scipy.sparse.csr_matrix创建稀疏矩阵及替代Matlab sparse报错解决

问题1：scipy.sparse.csr_matrix是否是Matlab sparse函数的合适替代方案？ #

是完全合适的替代方案。Matlab的sparse函数默认返回CSC（压缩稀疏列）格式的稀疏矩阵，scipy中也提供了对应的scipy.sparse.csc_matrix实现，你选用的csr_matrix是压缩稀疏行格式，除了内部存储的遍历顺序不同，创建稀疏矩阵的逻辑、后续矩阵运算的能力都和Matlab sparse完全匹配，可满足需求。

问题2：代码报错的原因 #

报错的核心原因是Matlab和Python的索引规则差异：

• Matlab的数组索引为1基，sparse(i,j,v,m,n)允许i、j的取值范围是[1, m]和[1, n]
• Scipy稀疏矩阵的索引为0基，csr_matrix要求行、列索引的取值范围是[0, m-1]和[0, n-1]

你代码中的arg_x、arg_y沿用了Matlab侧的1基索引，最大值等于ndof=786432，超出了scipy允许的最大索引786431，因此触发行索引超限错误。

修复方案 #

仅需在传入索引时统一减1，转换为0基索引即可：

arg_shape = np.array([ndof, ndof])
K = csr_matrix((arg_data, (arg_x - 1, arg_y - 1)), shape=arg_shape)

内容的提问来源于stack exchange，提问作者Daniel Sempere