稀疏矩阵格式(COO、CSR、CSC)及其编码解码

最新推荐文章于 2024-08-26 11:18:29 发布

好想成为wqg啊

最新推荐文章于 2024-08-26 11:18:29 发布

阅读量6k

点赞数 11

文章标签：图计算

本文链接：https://blog.csdn.net/qq_42812089/article/details/111637471

版权

本文介绍了稀疏矩阵的两种常见存储格式：行压缩存储（CSR）和列压缩存储（CSC）。CSR通过数值、列号和行转移数据来表达非零元素，适合按行遍历；CSC则是按列遍历，适用于列操作频繁的场景。这两种格式都旨在减少存储空间，提高效率。

摘要由CSDN通过智能技术生成

一般情况下，稀疏矩阵指的是元素大部分是0的矩阵
矩阵的稀疏性可以用一个分数来量化，即矩阵中零元素的个数除以矩阵中元素的总数

1.Coordinate(COO)
COO
这种存储格式比较简单易懂，每一个元素需要一个三元组来表示，分别是(行号、列号、数值），对应上图的右面一列。这种方式简单，但是记录单信息多,每个三元组可以自己定位，不需要解码，空间不是最优。

2.行压缩格式Compressed Sparse Row (CSR)
CSR需要三种数据来表达：数值、列号、行转移。CSR不是三元组，而是整体的编码方式。

CSR

编码：
行优先遍历矩阵Matrix
values数组中保存矩阵中非零元素。
column indices数组保存values数组中对应位置非零元素的列索引。
row offsets数组的下标表示每一行第一个非零元素的行索引，元素值为values数组的下标，最后一个元素值为非零元素的个数。

解码:
遍历values数组，对其中的元素值x（下标记为index_X）去column indices数组中对应位置取出x在原矩阵中的列索引（记为col_index），然后在row offsets数组查找index_X，如果index_X在row offsets中，其在row offsets中的下标即为x在原矩阵中的行索引（记为row_index），如果index_X不在row offsets中，则使用上一个row_index值（因为编码时是逐行编码，且row offsets仅保存每行的第一个非零元素，所以当前x与上一x在同一行）。

3.列压缩格式 Compressed Sparse Column (CSC)

CSC与CSR同理，只不过CSR按行优先遍历Matrix，CSC按列优先，将上述行列倒换即可