如何对scipy.lil_matrix稀疏矩阵执行向量除法并得到稀疏矩阵？

嘿，这个问题我之前处理过！scipy的lil_matrix直接和numpy向量做逐元素除法时，确实会因为形状匹配的问题抛出ValueError: inconsistent shapes，不过有几个实用的办法可以实现你要的操作，而且结果依然是稀疏矩阵：

方法1：转换为CSR格式进行除法（最推荐） #

lil_matrix的除法实现没有支持广播机制，但csr_matrix（压缩稀疏行格式）是支持的。我们可以先把lil_matrix转换成csr_matrix，完成除法后再转回lil_matrix：

import scipy.sparse as sp
import numpy as np

# 示例lil_matrix
A = sp.lil_matrix([[1, 0, 2], [0, 3, 0], [4, 0, 5]])
# 示例向量（按行广播，长度和矩阵行数一致）
b = np.array([2, 3, 5])

# 转换格式并执行除法
A_csr = A.tocsr()
A_div_csr = A_csr / b  # 自动广播，逐行除以向量对应元素
A_div_lil = A_div_csr.tolil()

如果你的需求是按列广播（矩阵每一列除以向量对应元素），只需要把向量转成列向量即可：

# 列向量广播，向量长度和矩阵列数一致
c = np.array([2, 3, 5]).reshape(-1, 1)
A_div_col_csr = A_csr / c
A_div_col_lil = A_div_col_csr.tolil()

方法2：手动遍历lil_matrix的行进行处理 #

因为lil_matrix的data和rows属性是可直接访问的，你可以手动循环处理每一行的非零元素：

# 按行广播的情况：每一行的非零元素除以向量对应位置的元素
for row_idx in range(A.shape[0]):
    # 对当前行的所有非零元素执行除法
    A.data[row_idx] = [val / b[row_idx] for val in A.data[row_idx]]

⚠️ 注意：这种方法需要你自己严格把控维度匹配，如果是列方向的除法，因为lil_matrix是按行存储的，处理起来会麻烦很多，所以更推荐第一种方法。

为什么直接除法会报错？ #

lil_matrix的设计主要是方便修改矩阵（插入/删除元素），它的算术运算支持不如csr_matrix/csc_matrix完善，没有实现和一维数组的广播机制，所以直接做除法会触发形状不匹配的错误。

另外要注意：如果向量中包含0元素，除法会产生NaN，稀疏矩阵会保留这些NaN作为非零元素存储，你可能需要提前过滤或者处理这种情况。

内容的提问来源于stack exchange，提问作者Smarty77