您如何使用SparseArrays.sparse？

Question

我读过这个post，我也有一个类似的问题。我想多次就地更新稀疏矩阵，在我看来，SparseArrays.sparse!是我最好的选择。但是，我不太理解文档，它说我可以打电话给

sparse!(I, J, V, csrrowptr, csrcolval, csrnzval, I, J, V)

我的问题是：

第一组I, J, V

• What是第二组I, J, V

• Suppose，我已经创建了一个矩阵A = sparse(I,J,V)，我想就地更新A。如何获得sparse!

？默认情况下，A有CSC格式，而不是CSR。

谢谢。

Answer 1

在查看了文档之后，它肯定感觉到(而且是) SparseArrays的包内部功能。在任何情况下，根据你的问题(不按顺序)：

Q4 (最简单的)在REPL中执行@edit sparse([1,2,3],[1,2,3],[5,6,7])，并在编辑的文件中搜索sparse!，这将显示sparse如何在内部使用sparse!。

Q1第一个I, J, V是输入，给出了通常的列索引、行索引和值。注意，这些不是结果矩阵的内部CSC存储向量。

Q2第二个I, J, V是作为内部CSC存储向量的稀疏矩阵中使用的数组。由于在sparse!调用后不需要输入，所以可以重复使用输入向量和分配内部CSC向量( I, J, K以外的其他向量可以作为输出传递，特别是当输入向量内存太少而无法容纳CSC表示时)。

Q3获取sparse!内部创建的CSR表示很容易--它们位于作为csrrowptr, csrcolval, csrnzval传递的向量中。向量需要有足够的内存，并由sparse!填充。

sparse!的全部目的是不进行任何分配/释放。内存管理由“父”接口完成(本例中为sparse)。这允许在内存已经分配或从另一个变量中回收时直接不分配处理。

这需要一些修改，但下面是sparse!使用的演示：

julia> I = sizehint!([1,2,3,1], 5)
4-element Vector{Int64}:
 1
 2
 3
 1

julia> J = sizehint!([3, 2, 1, 2], 5)
4-element Vector{Int64}:
 3
 2
 1
 2

julia> V = sizehint!([6,7,8,9],5)
4-element Vector{Int64}:
 6
 7
 8
 9

现在为sparse!设置工作内存

julia> my_klasttouch = Vector{Int}(undef, 10);

julia> my_csrrowptr = Vector{Int}(undef, 10);

julia> my_csrcolval = Vector{Int}(undef, 10);

julia> my_csrnzval = Vector{Int}(undef, 10);

最后：

julia> M = SparseArrays.sparse!(
  I, J, V, 3, 3, +, 
  my_klasttouch, my_csrrowptr, my_csrcolval, my_csrnzval, 
  I, J, V
)
3×3 SparseMatrixCSC{Int64, Int64} with 4 stored entries:
 ⋅  9  6
 ⋅  7  ⋅
 8  ⋅  ⋅

要查看输入内存如何成为返回对象的一部分：

julia> M.colptr   # this is from returned object
4-element Vector{Int64}:
 1
 2
 4
 5

julia> I
4-element Vector{Int64}:
 1
 2
 4
 5

注意，I和M.colpotr使用相同的内存。

鉴于以上所述，在使用此函数之前，我建议仔细检查实现代码并仔细理解算法。