Scipy稀疏矩阵bsr_array的使用

基本原理

bsr，即Block Sparse Row，bsr_array即块稀疏行矩阵，顾名思义就是将稀疏矩阵分割成一个个非0的子块，然后对这些子块进行存储。通过输入维度，可以创建一个空的bsr数组，但bsr格式并不可见，需要通过toarray转为数组，才能一窥全貌。

from scipy.sparse import bsr_array
import numpy as np
import sys
bsr = bsr_array((100, 200), dtype=np.int8)
sys.getsizeof(bsr)      # 48
bsr_arr = bsr.toarray() # 转为数组
sys.getsizeof(bsr_arr)  # 20120

egtsizeof可查看数据占用的内存，其中bsr占用48byte，转为数组之后占据20k，这就是稀疏矩阵存在的价值。

当然，全零的数组就直接叫全零数组得了，直接存个行列数比bsr还省事儿，接下来构造一个矩阵

from numpy.random import randint, rand
tmp = np.zeros([200,200])
for i in range(30):
    x, y = randint(195, size=(2))
    tmp[x:x+5, y:y+5]=rand(5,5)

print(tmp.size)            # 40000
bsr = bsr_array(tmp, blocksize=(5,5))    
print(bsr.data.size)       # 2850
print(bsr.indptr.size)     # 41
print(bsr.indices.size)    # 114
print(tmp.size)

bsr.data是bsr中存放的矩阵块；bsr.indices为这些矩阵块对应的列号数组；bsr.indptr为索引的行分割数组；这些零零碎碎加在一起也只有3005个数，和40k的tmp相比，可以说压缩效率非常高了。

通过data, indptr和indices，可以将bsr复原为矩阵。首先，列号和数据是一一对应的；其次indptr对索引和数据按行分割。在本例中，indptr的值为0, 2, 6, 8…，则data[0:2]存放在第0行，对应的列号为indices[0:2]；data[2:6]存放在第1行，对应的列号为indices[2:6]，以此类推。

初始化

bsr_array共有5种初始化方案：

• bsr_array(D) D是一个稀疏数组或2 × D 2\times D2×D数组
• bsr_array(S) S是另一种稀疏数组
• bsr_array((M, N),dtype) 创建一个shape为( M , N ) (M, N)(M,N)的空数组，dtype为数据类型
• bsr_array((data, ij)) ij是坐标数组，可分解为i,j=ij，data是数据数组，设新矩阵为a，则a[i[k], j[k]] = data[k]
• bsr_array((data, indices, indptr))

前四种方法均有参数blocksize，为块尺寸；后两种方法均有参数shape，为稀疏矩阵的维度。

从原理上来说，通过data, indices, indptr来创建的bsr数组，属于"原生"的bsr数组，其创建规则就是前文提到的复原规则。

内置方法

稀疏数组在计算上并不便捷，所以bsr_array中内置了下列函数，可以高效地完成计算。