诸神缄默不语-个人CSDN博文目录

scipy官方文档：SciPy documentation — SciPy v1.9.0 Manual
scipy.sparse官方文档：Sparse matrices (scipy.sparse) — SciPy v1.9.0 Manual

scipy的稀疏矩阵感觉应该是万物之源，据我所知PyTorch的稀疏矩阵就是改自scipy，然后PyG的稀疏矩阵又改自PyTorch。
而且SciPy的稀疏矩阵是这几个里面文档最清晰的。torch_sparse不如说根本就没有文档吧！直接看源代码未免太刺激了！

最近更新时间：2022.8.17
最早更新时间：2022.8.17

1. SciPy稀疏矩阵相关注意事项

scipy.sparse只能存储二维稀疏矩阵。
numpy.ndarray可以直接转换为稀疏矩阵。
*是逐元素相乘，@是矩阵乘法。

SciPy稀疏矩阵类别（可以通过to类别()函数进行转换）：

• csc_matrix: Compressed Sparse Column format

• csr_matrix: Compressed Sparse Row format

• bsr_matrix: Block Sparse Row format

• lil_matrix: List of Lists format

• dok_matrix: Dictionary of Keys format

• coo_matrix: COOrdinate format (aka IJV, triplet format)

• dia_matrix: DIAgonal format

csr/csc/coo格式之间的转换是高效的线性操作。

2. 储存和加载稀疏矩阵

save_npz(file, matrix[, compressed]): Save a sparse matrix to a file using .npz format.

load_npz(file): Load a sparse matrix from a file using .npz format.

3. COO COOrdinate format

每个非0元素储存为行-列-值的形式。非常直观。也是最容易从邻接矩阵转换为edge index的格式，直接从row中获取头节点索引，从col中获取尾节点索引即可。
需要注意的是COO稀疏矩阵无法直接通过行索引切片，否则会报TypeError: 'coo_matrix' object is not subscriptable，但是可以直接将其转换成csr格式，然后再切片。举例：coo_matrix1.tocsr()[slicing_begin_index:]