scipy.sparse默认值

scipy.sparse默认值

该功能不是内置的，但是如果您确实需要此功能，则应该能够编写自己的

dok_matrix

类或Scipy的子类。Scipy实现在这里：https
:
//github.com/scipy/scipy/blob/master/scipy/sparse/dok.py至少在进行

dict.*

调用的地方，需要更改默认值-
和也许还需要进行其他一些更改。

但是，我将尝试重新提出问题，以便不需要这样做。例如，如果您进行线性代数运算，则可以隔离常数项，而改为

from scipy.sparse.linalg import LinearOperatorA = whatever_dok_matrix_minus_constant_termdef my_matvec(x):    return A*x + constant_term * x.sum()op = LinearOperator(A.shape, matvec=my_matvec)

对于大多数线性代数例程（例如，迭代求解器），您可以传入

op

而不是

A

。

关于矩阵对数：稀疏矩阵的对数（如中所示

scipy.linalg.logm

）通常是稠密的，因此您应该先将矩阵转换为稠密的对数，然后照常计算对数。据我所知，使用稀疏矩阵不会提高性能。但是，如果只需要计算向量与对数

log(A)* v

向量的乘积，则某些Krylov方法可能会有所帮助。

如果OTOH要按元素计算对数，则可以

.data

直接修改属性（至少在COO，CSR和CSC中可用）

x = A.tocoo()x.data = np.log(x.data)A = x.todok()

这只剩下零个元素，但是如上所述，这允许单独处理常量部分。