这个特性不是内置的，但是如果你真的需要这个特性，你应该能够编写你自己的dok_matrix类，或者Scipy的子类。Scipy的实现是here。至少在调用dict.*的地方，默认值需要改变---也许还有一些其他的改变需要做。
然而，我会尝试重新表述这个问题，这样就不需要了。例如，如果你做线性代数，你可以分离出常数项，然后做

from scipy.sparse.linalg import LinearOperator
A = whatever_dok_matrix_minus_constant_term
def my_matvec(x):
    return A*x + constant_term * x.sum()
op = LinearOperator(A.shape, matvec=my_matvec)

对于大多数线性代数例程（例如迭代求解器），您可以传入op而不是A。
关于矩阵对数：稀疏矩阵的对数（如scipy.linalg.logm）通常是稠密的，因此您应该先将矩阵转换为稠密矩阵，然后像往常一样计算对数。据我所知，使用稀疏矩阵不会给予性能。如果您只需要计算向量与对数的乘积，log(A) * v向量，一些Krylov方法可能会有所帮助。
如果你想按元素计算对数，你可以直接修改.data属性（至少在COO，CSR和CSC中可用）

x = A.tocoo()
x.data = np.log(x.data)
A = x.todok()

这使得零元素单独存在，但如上所述，这允许单独处理常数部分。