如何在Python中实现MATLAB式的稀疏矩阵分块拼接？

要在Python中实现9个5665×5665的CSR稀疏矩阵分块拼接成16995×16995的大矩阵，直接用scipy.sparse模块的bmat函数即可，这是专门针对稀疏矩阵的分块拼接工具，完全对应MATLAB中[s1 s2 s3;s4 s5 s6;s7 s8 s9]的分块写法。

核心步骤 #

• 确保所有子矩阵（s1-s9）都是scipy.sparse.csr_matrix格式（如果不是，用.tocsr()转换）。
• 按照MATLAB的分块结构，构造二维列表的分块布局。
• 用sp.bmat()生成大矩阵，再转成CSR格式以优化后续运算效率。

代码示例 #

import scipy.sparse as sp

# 假设s1到s9已为5665x5665的CSR稀疏矩阵
# 若子矩阵是其他稀疏格式，先转换：s1 = s1.tocsr()

# 构造分块结构，与MATLAB写法一一对应
block_layout = [
    [s1, s2, s3],
    [s4, s5, s6],
    [s7, s8, s9]
]

# 生成分块稀疏矩阵
large_sparse_matrix = sp.bmat(block_layout)

# 转换为CSR格式（推荐，CSR格式更适合矩阵乘法、切片等操作）
large_csr_matrix = large_sparse_matrix.tocsr()

# 验证维度是否正确
print(large_csr_matrix.shape)  # 输出应为 (16995, 16995)

常见问题说明 #

如果之前尝试的block方法无效，大概率是误用了numpy.block()——这个函数仅支持稠密矩阵，无法处理稀疏矩阵。必须使用scipy.sparse.bmat()来完成稀疏矩阵的分块拼接，它会自动处理子矩阵的位置对齐和格式转换。

内容的提问来源于stack exchange，提问作者maya