如何让稀疏矩阵按值递增显示？默认按列索引递增

主流稀疏矩阵库（比如SciPy的实现）默认确实是按列索引（或行索引，取决于存储格式）排序存储和展示的。要实现按非零值升序排列显示，你可以通过提取非零元素、排序后重新组织输出，具体操作如下：

1. 提取非零元素的核心信息 #

以SciPy的csr_matrix为例，先获取非零元素的行索引、列索引和对应值：

import scipy.sparse as sp

# 构造示例稀疏矩阵
sparse_mat = sp.csr_matrix([[0, 5, 0], [3, 0, 1], [0, 2, 0]])

# 提取行、列索引和非零值
rows, cols = sparse_mat.nonzero()
values = sparse_mat.data

2. 按非零值大小排序 #

将行、列、值打包后，以值为关键字进行升序排序：

# 打包元素并按值升序排序
sorted_elements = sorted(zip(rows, cols, values), key=lambda x: x[2])

3. 自定义格式输出 #

按排序后的顺序打印元素，模拟稀疏矩阵的显示样式：

print("按非零值递增排列的稀疏矩阵元素：")
for r, c, v in sorted_elements:
    print(f"({r}, {c}): {v}")

额外说明 #

如果需要生成一个排序后的稀疏矩阵（而非仅显示），可以基于排序后的元素重新构造，但这会改变原矩阵的存储顺序，可能影响后续计算的效率：

sorted_rows, sorted_cols, sorted_vals = zip(*sorted_elements)
sorted_sparse_mat = sp.csr_matrix((sorted_vals, (sorted_rows, sorted_cols)), shape=sparse_mat.shape)

其他稀疏矩阵库的操作逻辑类似，核心都是提取非零元素、排序后重新组织显示或存储。

内容的提问来源于stack exchange，提问作者Reza Bahmani