为何Scipy CSR稀疏矩阵的indptr值与预期不符？

你疑惑的核心是没搞清楚CSR（Compressed Sparse Row）矩阵中indptr数组的定义，咱们一步步拆解：

先明确indptr的作用 #

CSR矩阵的indptr数组是用来标记每一行在data和indices数组中的起始位置的，它的长度是行数 + 1。具体来说：

• indptr[i]表示第i行的第一个元素在data/indices里的索引
• indptr[i+1] - indptr[i]就是第i行的非零元素个数

结合你的例子分析 #

看你切片后的矩阵m1，每一行都有2个非零元素：

• 第0行：(0,31)、(0,33) → 2个元素
• 第1行：(1,36)、(1,40) → 2个元素
• ...
• 第9行：(9,37)、(9,40) → 2个元素

那indptr的计算逻辑就是：

• 第0行起始索引：0
• 第1行起始索引：0 + 2 = 2（因为第0行占了前2个元素）
• 第2行起始索引：2 + 2 = 4（第1行又占了2个）
• ...
• 第10个位置（对应所有元素结束后的下一个索引）：0 + 2*10 = 20

所以最终得到的indptr就是[0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20]，完全符合CSR的规范。

你的预期为什么不对？ #

你预期的[0,0,1,1,2,2,...]更像是COO（Coordinate）格式里的row数组——COO会给每个非零元素标记对应的行号，比如你的例子里COO的row数组就是[0,0,1,1,2,2,...,9,9]。但CSR是对行进行压缩存储的，indptr是把这种重复的行号转换成累积的起始位置，以此节省空间。

如果你的indptr真变成[0,0,1,1,...]，那意味着：

• 第0行的元素个数是0-0=0
• 第1行的元素个数是1-0=1
• 这和你实际的矩阵结构完全不符，显然是错误的。

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