通勤numpy的稀疏矩阵积

据我了解，numpy.sparse.csr_sparse.dot(other)并从右边乘other我的稀疏矩阵：通勤numpy的稀疏矩阵积

A = numpy.sparse.csr_sparse(something) B = numpy.matrix(something) C = A.dot(B) # C = A*B

如何上下班两个矩阵得到B*A不失节约的好处我的矩阵作为一个稀疏的（即.todense()等）？

你有什么理由不能将'B'保存为稀疏矩阵？尝试'sparse.csr_matrix.dot（B，A）'说第一个参数必须是稀疏的，但是'sparse.csr_matrix.dot（sparse.csr_matrix（B），A）'工作，如果可能的话。 – askewchan

此外，请注意[此危险]（http://stackoverflow.com/a/14204859/1730674）。 – askewchan

矩阵乘法性质的小复习：

D = B * A 
D.T = A.T * B.T 
D = (A.T * B.T).T

然后导致明显的：

D = A.T.dot(B.T).T

注意，CSR和CSC矩阵的换位是非常快的，因为它只是改变了形状和类型（从CSR到CSC，或从CSC到CSR），保持内部数据不变。

2013-10-30 16:07:12 Jaime

是的，我知道那些属性。我担心的是，将列顺序稀疏矩阵来回移动会使事情变得非常糟糕...... –

回答