Julia中如何高效复用稀疏矩阵的稀疏模式？

复用已创建稀疏矩阵的稀疏模式，核心是跳过重新构建矩阵索引结构（colptr、rowval等内部数组）的开销，直接操作存储非零值的nzval数组。以下是两种高效实现方式：

方法1：预排序后直接赋值（性能最优） #

如果可以在首次创建矩阵时对(I,J)排序，后续更新值时无需任何索引查找，直接将排序后的新值覆盖nzval即可：

using SparseArrays

N = 10
I = vec([1, 1, 2, 2]' .+ (0:N))
J = vec([1, 2, 1, 2]' .+ (0:N))
V = vec([1,-1,-1, 1]' .* ones(N+1))

# 首次创建时，按(I,J)排序并记录排序索引
perm = sortperm(collect(zip(I, J)))
I_sorted = I[perm]
J_sorted = J[perm]
V_sorted = V[perm]
A = sparse(I_sorted, J_sorted, V_sorted)

# 准备新值W
W = vec([1,-1, 1,-1]' .* ones(N+1))
# 对W应用相同排序，直接赋值给nzval
W_sorted = W[perm]
A.nzval .= W_sorted

这种方式仅在首次创建时多一次排序开销，后续更新的时间复杂度为O(n)，远快于重新调用sparse。

方法2：建立(I,J)到nzval索引的映射（灵活通用） #

如果无法提前排序，或原始(I,J)存在重复项（已被sparse合并），可以通过字典建立非零位置与nzval索引的映射：

using SparseArrays

N = 10
I = vec([1, 1, 2, 2]' .+ (0:N))
J = vec([1, 2, 1, 2]' .+ (0:N))
V = vec([1,-1,-1, 1]' .* ones(N+1))
A = sparse(I, J, V)

# 生成唯一(I,J)对到nzval索引的映射
i_sparse, j_sparse, _ = findnz(A)
pos_map = Dict(zip(zip(i_sparse, j_sparse), eachindex(A.nzval)))

# 准备新值W
W = vec([1,-1, 1,-1]' .* ones(N+1))
# 查找每个原始位置对应的索引并赋值
indices = [pos_map[(I[k], J[k])] for k in eachindex(I, J, W)]
A.nzval[indices] .= W

注意：若原始(I,J)存在重复项，sparse会默认合并这些位置的值（求和），此时映射中每个唯一(I,J)仅对应一个索引，需确保新值W也按相同规则合并后再赋值。

关于你原始方法的效率问题 #

你之前使用的A[I + size(A,2)*(J-1)] += W，本质是逐个查找每个(I[k],J[k])在稀疏矩阵中的位置，每次查找的时间复杂度为O(log n)，当非零元素数量较大时，总开销会远超重新创建矩阵或上述两种方法。

内容的提问来源于stack exchange，提问作者acc963475