如何高效替换稀疏数组中小于4的元素：避免警告且不降低稀疏性

给定如下CSR稀疏数组：

from scipy import sparse
x = sparse.csr_matrix(
    [[0, 1, 2, 3, 4],
     [1, 2, 3, 4, 5],
     [0, 0, 0, 2, 5]])

如果用x[x < 4] = 0来替换小于4的元素，虽然能实现功能，但会把原本为0的位置也当成非零元素存入矩阵，导致存储的元素从11个增至15个，反而降低了稀疏性，还可能触发SparseEfficiencyWarning。

要解决这个问题，直接操作CSR矩阵的底层存储即可，步骤如下：

• 直接修改data属性：CSR矩阵的所有非零元素都存在x.data数组里，直接把其中小于4的值设为0
• 调用eliminate_zeros()方法：清除矩阵存储中的0元素，压缩结构，保持稀疏性

完整代码示例：

# 把非零元素中小于4的设为0
x.data[x.data < 4] = 0
# 清理存储的0元素，恢复稀疏结构
x.eliminate_zeros()

这样操作后，矩阵只会保留原本就非零且≥4的元素，不会新增不必要的存储，稀疏性得到维持，也不会触发效率警告。

内容的提问来源于stack exchange，提问作者ifly6