如何引用并修改SciPy稀疏矩阵的切片？

问题场景 #

尝试获取SciPy稀疏矩阵的列切片引用并修改，但切片返回的是副本而非引用（与NumPy数组行为不同），导致原始矩阵未被修改。执行代码如下：

>>> import scipy.sparse as sp
>>> A=sp.csc_matrix((10, 100))
>>> B=A[:, 0:1]
>>> B[:,0]=1
>>> B
<10x1 sparse matrix of type '<class 'numpy.float64'>'
    with 10 stored elements in Compressed Sparse Column format>
>>> A
<10x100 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Column format>

原因说明 #

SciPy稀疏矩阵（如CSC格式）为了内存效率和计算性能，切片操作默认返回副本，而非NumPy数组那样的视图（引用）。这是由稀疏矩阵的存储结构（CSC依赖indices、indptr、data三个数组）决定的，直接实现切片引用会带来复杂的内存管理问题，因此设计上默认返回副本。

解决方法 #

1. 直接修改原始矩阵的目标列

跳过创建切片的步骤，直接对原始矩阵的目标列赋值，这是最简单可靠的方式：

import scipy.sparse as sp
A = sp.csc_matrix((10, 100))
A[:, 0:1] = 1  # 直接操作原始矩阵的列
print(A)
# 输出：<10x100 sparse matrix of type '<class 'numpy.float64'>'
#     with 10 stored elements in Compressed Sparse Column format>

2. 直接操作CSC矩阵的底层存储（适合已有非零元素的列）

CSC矩阵的列数据在data数组中是连续存储的，可通过indptr定位列的起止索引，直接修改data：

import scipy.sparse as sp
# 先给A的第0列添加一些非零元素，确保data中有对应数据
A = sp.csc_matrix(([1,2], ([0,1], [0,0])), shape=(10,100))
# 获取第0列在data中的起止位置
start_idx = A.indptr[0]
end_idx = A.indptr[1]
# 修改该列的所有元素
A.data[start_idx:end_idx] = 5
print(A[:,0].toarray())
# 输出：[[5]
#        [5]
#        [0]
#        ...
#        [0]]

注意：如果列原本没有非零元素，A.data为空，直接修改会报错，此时优先用第一种方法。

内容的提问来源于stack exchange，提问作者krasnaya