我最近一直处理numpy / scipy中的矩阵构造，我正在尝试找到以下问题的最佳解决方案 .
我有一个函数，它返回元组，由矩阵行索引和相应的行组成 . 此时，我只是构造一个numpy矩阵，例如：
mat = np.zeros((n, n))
其中n是矩阵维度 . 我逐步循环遍历函数结果，并按以下方式将相应的行添加到此矩阵：
mat[result_tuple[0],:] = result_tuple[1]
它工作得很好，速度很快 . 问题是，这是非常耗费内存的 . 有没有办法用scipy.sparse模块有效地做到这一点？
我目前的尝试有效，但速度很慢：
for result_tuple in results:
col = range(0,n,1)
row = np.repeat(result_tuple[0],n)
val = result_tuple[1]
mat = mat + sp.csr_matrix((val, (row,col)), shape(n,n), dtype=float)
同样，结果元组由（行索引，行数据）组成 .
非常感谢你 .