为何对Scipy稀疏CSR矩阵做列切片操作时会触发警告？

先来看你运行的这段代码：

import numpy as np 
from scipy import sparse 

dok = sparse.dok_matrix((5,1)) 
dok[1,0] = 1 
data = np.array([0,1,2,3,4]) 
row = np.array([0,1,2,3,4]) 
col = np.array([0,1,2,3,4]) 
csr = sparse.csr_matrix((data, (row, col))) 
csr[:, 0] += dok 

触发的警告内容是：

SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.

核心原因拆解 #

咱们得先搞清楚CSR矩阵的设计定位——官方文档明确说它适合高效行切片、矩阵乘法这类读取/计算操作，但它天生不擅长修改稀疏结构（也就是新增原本不存在的非零元素）。

1. CSR的存储逻辑：CSR用三个数组data、indices、indptr压缩存储非零元素。indptr记录每行非零元素在data和indices里的起止位置，indices存非零元素的列索引，data存对应的值。这种结构是为了快速读取和计算优化的，但要新增非零元素时，需要重新调整三个数组的长度和内容，比如插入元素到data和indices的指定位置，还要更新indptr的指针，这个过程需要移动大量数据，成本非常高。

2. 你的代码到底触发了什么：

   • 初始的csr是5×5的对角矩阵，第0列只有(0,0)位置有值（值为0）；
   • dok是5×1的矩阵，仅(1,0)位置有值1；
   • 执行csr[:, 0] += dok时，会给csr的(1,0)位置新增一个非零元素（值为1），这就改变了CSR矩阵原本的稀疏结构——原本这个位置是零，现在变成非零了。

Scipy检测到你在做CSR矩阵不擅长的操作，就抛出这个警告，提醒你：如果需要频繁修改稀疏结构（新增/删除非零元素），用lil_matrix会更高效，因为它是基于链表的存储结构，动态修改元素的成本很低。

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