如何在不更改稀疏性的情况下将稀疏科学矩阵的切片乘以常数

Question

每当我将稀疏矩阵的一个切片乘以一个常数后，我就会失去矩阵的稀疏性，因为Scipy开始为每个空条目计算0 * constant，然后用{{1}填充所有空条目}。真傻我该如何阻止它呢？索引必须是整数或布尔值。他们不能使用0。

例如

:

结果

A = scipy.sparse.csr_matrix([[0, 1], [0, 0]])
print(A, '/n' )

A[[0,0],[0,1]] *= -1
print(A)

A的大小应该没有改变。

编辑： 由于目前尚不清楚我要实现的目标，我想将一个稀疏矩阵中的多个元素乘以一个常数，而又不损失该矩阵的稀疏性，而不必求助于比线性运算更昂贵的运算。非零元素个数，即使用稀疏结构。因此，也不必复制整个稀疏矩阵，这意味着乘法必须就位。

Answer 1

您可以尝试：

A[0, 1] *= -1

然后

print(A)

收益

(0, 1)  -1

，或者至少在这种情况下，简单地

print(A * (-1))

获得相同的输出：

(0, 1)  -1

这样做

A[[0,0],[0,1]]

选择零条目，然后填充；如果您仅选择一个非零条目（如上所示），它将按预期工作。

from scipy.sparse import csr_matrix
A = csr_matrix([[0, 1], [5, 0]])

现在您可以轻松完成

print(A * (-1))
(0, 1)  -1
(1, 0)  -5

您还可以通过传递元组来修改特定条目

A[(0, 1), (1, 0)] *= -1
print(A)

还将返回所需的输出：

(0, 1)  -1
(1, 0)  -5

很显然，如果您想更改所有非零条目，我会选择

A * (-1)