如何直接对COO格式稀疏矩阵应用reverse_cuthill_mckee置换？

可以直接对COO格式的(I,J,V)应用RCM置换，但你操作时大概率搞反了置换的索引映射方向，才导致模式和预期差异明显。

核心问题：置换的索引映射方向搞反了 #

大部分稀疏矩阵库（比如SciPy）里的reverse_cuthill_mckee返回的置换数组perm，定义是置换后矩阵的第i行/列，对应原矩阵的第perm[i]行/列——也就是这是「新索引→原索引」的映射，而非你可能误以为的「原索引→新索引」。

如果直接把原COO的I、J替换成perm[I]、perm[J]，相当于把原索引直接映射到新索引的位置，完全弄反了置换逻辑，自然得到的矩阵模式和CSR正确置换后的结果对不上。

正确的操作步骤 #

1. 先从CSR矩阵计算得到RCM置换数组perm
2. 计算逆置换inv_perm，它的作用是把原索引映射到新索引：

   import numpy as np
   inv_perm = np.zeros_like(perm)
   inv_perm[perm] = np.arange(len(perm))
   

3. 对COO的行、列索引应用逆置换：

   I_rcm = inv_perm[I]
   J_rcm = inv_perm[J]
   V_rcm = V  # 元素值不需要改变
   

4. 用(I_rcm, J_rcm, V_rcm)构造的COO矩阵，模式就会和CSR通过csr_matrix[:, perm][perm, :]得到的置换矩阵完全一致（元素顺序可能不同，但非零元的位置分布完全匹配）

验证逻辑 #

置换矩阵的本质是A_rcm = P @ A @ P^T，其中P是置换矩阵。逆置换inv_perm正好对应P的映射关系：原矩阵中(x,y)位置的元素，会被映射到新矩阵的(inv_perm[x], inv_perm[y])位置，这和CSR按perm重排行列的操作完全等价。

内容的提问来源于stack exchange，提问作者Cesare