稀疏矩阵csc_matrix

在学习资料满天飞的大环境下，知识变得非常零散，体系化的知识并不多，这就导致很多人每天都努力学习到感动自己，最终却收效甚微，甚至放弃学习。我的使命就是过滤掉大量的无效信息，将知识体系化，以短平快的方式直达问题本质，把大家从大海捞针的痛苦中解脱出来。

1 定义

csc_matrix 是 SciPy 库中的一个稀疏矩阵格式，用于表示稀疏矩阵。它的全称是 Compressed Sparse Column matrix，也就是压缩稀疏列矩阵。与稠密矩阵不同，稀疏矩阵中大部分元素都是 0，而只有很少一部分非零元素。

csc_matrix 存储一个稀疏矩阵的方式是将非零元素按列存储，并记录每一列的起始位置和非零元素的行索引。具体来说，csc_matrix 中包含以下三个数组：

• data：一个一维数组，存储所有非零元素的值；
• indices：一个一维数组，存储所有非零元素的行索引；
• indptr：一个一维数组，存储每一列的第一个非零元素在 data 和 indices 中的位置。

下面给出一个简单的例子和代码。

假设有一个 $3\times 3$ 的稀疏矩阵：

$$\left[\begin{array}{ccc}1& 0& 0\\ 0& 0& 2\\ 0& 3& 0\end{array}\right]$$

对应的 csc_matrix 可以表示为：

from scipy.sparse import csc_matrix

# 定义稀疏矩阵的 data、indices 和 indptr 数组
data = [1, 3, 2]
indices = [0, 2, 1]
indptr = [0, 1, 2, 3]

# 创建 csc_matrix 对象
A = csc_matrix((data, indices, indptr), shape=(3, 3))

其中，data 数组存储非零元素的值，indices 数组存储非零元素的行索引，indptr 数组存储每一列的第一个非零元素在 data 和 indices 中的位置。

对于上面的例子，data 数组中的元素依次对应为 $A_{0,0}=1$、$A_{2,0}=3$、$A_{1,2}=2$，indices 数组中的元素依次对应为 $0$、$2$、$1$，indptr 数组中的元素依次对应为 $0$、$1$、$2$、$3$。其中，indptr 数组的长度是 $n+1$，其中 $n$ 是矩阵的列数，最后一个元素表示 data 和 indices 数组中的元素总数。

需要注意的是，csc_matrix 对象创建后是不可变的，也就是说，不能直接修改其中的元素。如果需要修改稀疏矩阵中的元素，可以先将其转换为其他可修改的稀疏矩阵格式，例如 coo_matrix，修改后再转换回 csc_matrix。

2 原因

下面详细说明一下indptr的作用

csc_matrix 中的 indptr 数组主要用于记录每一列的第一个非零元素在 data 和 indices 数组中的位置，从而实现快速访问稀疏矩阵中的元素。

具体来说，对于稀疏矩阵中的第 $j$ 列，它的非零元素在 data 和 indices 数组中的位置可以通过 indptr[j] 和 indptr[j+1] 来获得。其中，indptr[j] 表示第 $j$ 列的第一个非零元素在 data 和 indices 数组中的起始位置，而 indptr[j+1] 表示第 $j+1$ 列的第一个非零元素在 data 和 indices 数组中的起始位置。因此，第 $j$ 列的非零元素在 data 数组中的位置是 data[indptr[j]:indptr[j+1]]，在 indices 数组中的位置是 indices[indptr[j]:indptr[j+1]]。

通过这种方式，我们可以避免遍历整个稀疏矩阵来寻找非零元素，从而提高了访问稀疏矩阵元素的效率。同时，由于 indptr 数组的存在，我们可以使用更加紧凑的方式存储稀疏矩阵，从而节省了存储空间。

恭喜你又坚持看完了一篇博客，又进步了一点点！如果感觉还不错就点个赞再走吧，你的点赞和关注将是我持续输出的哒哒哒动力~~