如何直接用自定义数组创建Eigen稀疏矩阵，避免内存冗余？

Eigen默认的Triplet容器会额外分配内存存储三元组结构体，确实会造成冗余。你可以直接利用现有三个自定义数组（行索引、列索引、值）来构造稀疏矩阵，无需reserve或push_back，具体方法分两种场景：

1. 数组为未排序COO格式（通用场景） #

如果你的三个数组是未排序的COO格式（行/列索引无特定顺序），可以直接遍历现有数组插入元素，不需要额外的Triplet容器：

// 假设：
// rows: 自定义行索引数组（int类型，长度nnz）
// cols: 自定义列索引数组（int类型，长度nnz）
// vals: 自定义值数组（double类型，长度nnz）
// n: 矩阵的行数/列数（假设是方阵）
Eigen::SparseMatrix<double> mat(n, n);

// 预分配非零元素空间（仅分配内部CSC/CSR所需内存，无冗余）
mat.reserve(nnz);

// 直接遍历自定义数组插入元素
for (int i = 0; i < nnz; ++i) {
    mat.insert(rows[i], cols[i]) = vals[i];
}

// 压缩矩阵（可选，优化后续运算性能）
mat.makeCompressed();

这种方式直接复用你已有的三个数组内存，仅为Eigen的稀疏矩阵内部结构分配必要内存，避免了Triplet容器的冗余开销。

2. 数组为已排序格式（更高效） #

如果你的数组已经按**列优先（CSC）或行优先（CSR）**排序，可以直接填充Eigen稀疏矩阵的底层存储，跳过插入排序步骤，进一步提升效率：

列优先（CSC）示例 #

Eigen::SparseMatrix<double, Eigen::ColMajor> mat(n, n);
mat.resizeNonZeros(nnz);

// 第一步：构建列指针数组（outerIndex）
Eigen::VectorXi outer_index(n + 1);
outer_index.setZero();
for (int i = 0; i < nnz; ++i) {
    // Eigen默认是0-based索引，若你的数组是1-based需减1
    outer_index(cols[i] + 1)++;
}
// 计算前缀和得到列指针
std::partial_sum(outer_index.data(), outer_index.data() + n + 1, outer_index.data());

// 第二步：直接拷贝现有数组到矩阵底层
std::copy(rows, rows + nnz, mat.innerIndexPtr());
std::copy(vals, vals + nnz, mat.valuePtr());
std::copy(outer_index.data(), outer_index.data() + n + 1, mat.outerIndexPtr());

行优先（CSR）示例 #

只需将矩阵类型改为RowMajor，并构建行指针数组：

Eigen::SparseMatrix<double, Eigen::RowMajor> mat(n, n);
mat.resizeNonZeros(nnz);

// 构建行指针数组（outerIndex）
Eigen::VectorXi outer_index(n + 1);
outer_index.setZero();
for (int i = 0; i < nnz; ++i) {
    outer_index(rows[i] + 1)++;
}
std::partial_sum(outer_index.data(), outer_index.data() + n + 1, outer_index.data());

// 拷贝数据到矩阵底层
std::copy(cols, cols + nnz, mat.innerIndexPtr());
std::copy(vals, vals + nnz, mat.valuePtr());
std::copy(outer_index.data(), outer_index.data() + n + 1, mat.outerIndexPtr());

注意事项 #

• 索引基：Eigen默认使用0-based索引，如果你的自定义数组是1-based（和Fortran MKL一致），需要在插入或拷贝前将rows[i]和cols[i]减1。
• 内存安全性：确保自定义数组的生命周期覆盖稀疏矩阵的使用周期，避免悬空指针。

内容的提问来源于stack exchange，提问作者Mitto