Scanpy 中对 scipy.sparse.csr_array 支持问题的技术解析

背景介绍

Scanpy 是一个广泛使用的单细胞 RNA 测序数据分析工具包，在处理大规模单细胞数据时，稀疏矩阵(scipy.sparse)的高效存储和计算是其重要特性之一。随着 scipy 1.8.0 版本引入了新的稀疏矩阵类型 csr_array 和 csc_array，这些新类型旨在逐步替代传统的 csr_matrix 和 csc_matrix。

问题发现

在 Scanpy 1.10.4 版本中，当使用 scipy.sparse.csr_array 作为 AnnData 对象的 .X 属性时，执行主成分分析(sc.pp.pca)会出现 NotImplementedError 异常。这个问题源于 Scanpy 内部对稀疏矩阵元素级操作(elem_mul)的实现尚未适配新的 csr_array 类型。

技术细节分析

问题出现在两个关键环节：

1. 均值方差计算：在 _get_mean_var 函数中，当尝试计算矩阵元素的平方(用于方差计算)时，elem_mul 函数无法处理 csr_array 类型。

2. 均值计算：在较旧版本(1.9.3)中，还出现了另一个问题，当尝试访问 .A 属性时出错，因为 csr_array 的均值计算返回的是 numpy 数组而非稀疏矩阵。

解决方案

Scanpy 开发团队已经意识到这个问题，并正在进行全面修复：

1. 首先通过重构内部矩阵操作函数来支持新类型(#3431)
2. 随后专门针对 PCA 计算中的稀疏矩阵处理进行了修复(#3563)

对用户的影响和建议

对于使用 Scanpy 分析单细胞数据的用户，建议：

1. 目前可以暂时继续使用传统的 csr_matrix/csc_matrix 类型
2. 关注 Scanpy 的版本更新，待修复发布后升级到新版本
3. 在转换到新稀疏矩阵类型前，测试关键分析流程的兼容性

未来展望

随着 scipy 稀疏矩阵新类型的逐步推广，Scanpy 的全面适配将带来：

1. 更好的内存管理效率
2. 更一致的 API 设计
3. 为未来性能优化奠定基础

这一改进体现了 Scanpy 项目对保持技术前沿性的承诺，同时也展示了科学计算生态系统中各组件协同演进的重要性。