Main Content

sparse

创建稀疏矩阵

说明

示例

S = sparse(A) 通过挤出任何零元素将满矩阵转换为稀疏格式。如果矩阵包含许多零,将矩阵转换为稀疏存储空间可以节省内存。

示例

S = sparse(m,n) 生成 m×n 全零稀疏矩阵。

示例

S = sparse(i,j,v) 根据 ijv 三元组生成稀疏矩阵 S,以便 S(i(k),j(k)) = v(k)max(i)×max(j) 输出矩阵为 length(v) 个非零值元素分配了空间。

如果输入 ijv 为向量或矩阵,则它们必须具有相同数量的元素。参数 v 和/或 ij 其中一个参数可以使标量。

示例

S = sparse(i,j,v,m,n)S 的大小指定为 m×n

示例

S = sparse(i,j,v,m,n,nz)nz 非零元素分配空间。可以使用此语法为构造后要填充的非零值分配额外空间。

示例

全部折叠

创建一个 10,000×10,000 的满存储单位矩阵。

A = eye(10000);
whos A
  Name          Size                   Bytes  Class     Attributes

  A         10000x10000            800000000  double              

此矩阵使用 800 MB 内存。

将矩阵转换为稀疏存储。

S = sparse(A);
whos S
  Name          Size                Bytes  Class     Attributes

  S         10000x10000            240008  double    sparse    

采用稀疏形式时,同一矩阵只使用约 0.25 MB 内存。在这种情况下,您可以使用 speye 函数来避免满存储,该函数可以直接创建稀疏单位矩阵。

S = sparse(10000,5000)
S = 
   All zero sparse: 10000x5000

根据 ijv 三元组生成 1500×1500 的稀疏矩阵。

i = [900 1000];
j = [900 1000];
v = [10 100];
S = sparse(i,j,v,1500,1500)
S = 
 (900,900)     10
(1000,1000)   100

当指定的大小大于 max(i)×max(j) 时,sparse 函数会使用额外的零值行和列填充输出。

size(S)
ans = 1×2

        1500        1500

创建一个由 10 个非零值构成的稀疏矩阵,但实际上为此矩阵分配可以存储 100 个非零值的空间。

S = sparse(1:10,1:10,5,20,20,100);
N = nnz(S)
N = 10
N_alloc = nzmax(S)
N_alloc = 100

spalloc 函数可以快速创建由全零元素构成的稀疏矩阵,同时还会在此矩阵中为非零数数值分配一定的存储空间。

使用重复的下标将值累加到单一稀疏矩阵中,如果不如此的话,可能要使用一个或多个循环。

创建一个数据列向量和两个下标列向量。

i = [6 6 6 5 10 10 9 9]';
j = [1 1 1 2 3 3 10 10]';
v = [100 202 173 305 410 550 323 121]';

并排显示下标和值。

[i,j,v]
ans = 8×3

     6     1   100
     6     1   202
     6     1   173
     5     2   305
    10     3   410
    10     3   550
     9    10   323
     9    10   121

使用 sparse 函数将具有相同下标的值累加。

S = sparse(i,j,v)
S = 
   (6,1)      475
   (5,2)      305
  (10,3)      960
   (9,10)     444

输入参数

全部折叠

输入矩阵,指定为满矩阵或稀疏矩阵。如果 A 已为稀疏状态,则 sparse(A) 会返回 A

数据类型: double | logical
复数支持:

下标对组,指定为标量、向量或矩阵的单独参数。ij 中的对应元素指定 S(i,j) 的下标对组,该对组决定 v 中的值在输出中的放置方式。ij 必须具有相同的数据类型。如果 ij 为向量或矩阵,则另一个输入可以是标量或者是具有相同元素数量的向量或矩阵。在这种情况下,sparse 会使用 i(:)j(:) 作为下标。

如果 ijv 中的几个元素具有相同的值,则 sparse 会聚合 v 中具有重复索引的值。聚合行为取决于 v 中值的数据类型:

  • 对于逻辑值,sparse 应用 any 函数。

  • 对于双精度值,sparse 应用 sum 函数。

数据类型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical

值,指定为标量、向量或矩阵。如果 v 是向量或矩阵,则 ij 的其中一个输入必须也是具有相同数量的元素的向量或矩阵。

v 中的任何零值元素都会被忽略,因为它们是 ij 的对应下标。但是,如果您不指定输出的维度大小 mn,则 sparse 在忽略 v 中的任何零值元素之前,会先计算最大值 m = max(i)n = max(j)

数据类型: double | logical
复数支持:

每个维度的大小,指定为包含整数值的单独参数。如果指定 m(行大小),则必须也指定 n(列大小)。

如果不指定 mn,则 sparse 将使用默认值 m = max(i)n = max(j)。这些最大值在删除 v 中的任何零之前进行计算。

数据类型: double

非零元素的存储空间分配,指定为非负整数。nz 通常必须大于或等于 max([numel(i), numel(j), numel(v), 1])。但是,如果 ijv 的大小允许您为 nz 指定值 0,则 sparse 会将该值设置为 1

对于稀疏矩阵 Snnz 函数返回矩阵中非零元素的数目,nzmax 函数返回为非零矩阵元素分配的空间量。如果 nnz(S)nzmax(S) 返回不同的结果,则可能需要分配比实际需求更大的空间。鉴于此原因,请预先设置 nz,再进行填充。

如果您不指定 nz,则 sparse 使用默认值 max([numel(i), numel(j), numel(v), 1])

数据类型: double

局限性

  • 如果 i,jm,n 输入中的任意值大于 2^31-1(32 位平台)或 2^48-1(64 位平台),则无法构造稀疏矩阵。

提示

  • MATLAB® 以压缩稀疏列格式存储稀疏矩阵。有关详细信息,请参阅 John R. Gilbert、Cleve Moler 和 Robert Schreiber 合著的 Sparse Matrices In MATLAB:Design and Implementation

  • accumarray 函数具有与 sparse 类似的累加行为。

    • accumarray 使用 n 维下标将数据分组到 bin 中,而 sparse 使用二维下标将数据分组到 bin 中。

    • 默认情况下,accumarray 会将具有相同下标的元素添加到输出中,但您可以选择对 bin 应用任意函数。sparse 会在输出中对具有相同下标的元素应用 sum 函数(对于双精度值)或 any 函数(对于逻辑值)。

参考

[1] Gilbert, John R., Cleve Moler, and Robert Schreiber. “Sparse Matrices in MATLAB: Design and Implementation.” SIAM Journal on Matrix Analysis and Applications 13, no. 1 (January 1992): 333–356. https://doi.org/10.1137/0613024.

[2] Chen, Yanqing, Timothy A. Davis, William W. Hager, and Sivasankaran Rajamanickam. “Algorithm 887: CHOLMOD, Supernodal Sparse Cholesky Factorization and Update/Downdate.” ACM Transactions on Mathematical Software 35, no. 3 (October 2008): 1–14. https://doi.org/10.1145/1391989.1391995.

扩展功能

版本历史记录

在 R2006a 之前推出

全部展开