稀疏稀疏…数组？

Question

所以，我正在使用稀疏的numpy数组进行一些Kmeans分类-
很多零。我发现我会使用scipy的“稀疏”包来减少存储开销，但是我对如何创建数组而不是矩阵有些困惑。

我已经完成了有关如何创建稀疏矩阵的教程：html" target="_blank">html" target="_blank">http
:
//www.scipy.org/SciPy_Tutorial#head-c60163f2fd2bab79edd94be43682414f18b90df7

为了模拟一个数组，我只创建了一个1xN的矩阵，但是正如您可能猜到的，Asp.dot（Bsp）不能完全起作用，因为您不能将两个1xN的矩阵相乘。我必须将每个数组转置为Nx1，这很la脚，因为我会在每次点积计算中都这样做。

接下来，我尝试创建一个NxN矩阵，其中第1列==第1行（这样，您可以将两个矩阵相乘，并且只将左上角作为点积），但是事实证明这效率很低。

我很乐意使用scipy的稀疏包作为numpy的array（）的魔术替代品，但是到目前为止，我还不确定该怎么做。

有什么建议吗？

Answer 1

使用scipy.sparse基于行或列的格式：csc_matrix和csr_matrix。

它们使用幕后高效的C实现（包括乘法），并且转置是无操作的（尤其是如果调用transpose(copy=False)），就像numpy数组一样。

编辑：通过ipython的一些时间：

import numpy, scipy.sparse
n = 100000
x = (numpy.random.rand(n) * 2).astype(int).astype(float) # 50% sparse vector
x_csr = scipy.sparse.csr_matrix(x)
x_dok = scipy.sparse.dok_matrix(x.reshape(x_csr.shape))

现在x_csr，x_dok稀疏度为50％：

print repr(x_csr)
<1x100000 sparse matrix of type '<type 'numpy.float64'>'
        with 49757 stored elements in Compressed Sparse Row format>

和时间：

timeit numpy.dot(x, x)
10000 loops, best of 3: 123 us per loop

timeit x_dok * x_dok.T
1 loops, best of 3: 1.73 s per loop

timeit x_csr.multiply(x_csr).sum()
1000 loops, best of 3: 1.64 ms per loop

timeit x_csr * x_csr.T
100 loops, best of 3: 3.62 ms per loop

所以看起来我在撒谎。换位 是 很便宜，但CSR * CSC没有高效的C实现（在最新的0.9.0
SciPy的）。每个调用中都会构造一个新的csr对象：-(

作为黑客（尽管现在scipy相对稳定），您可以直接在稀疏数据上进行点积运算：

timeit numpy.dot(x_csr.data, x_csr.data)
10000 loops, best of 3: 62.9 us per loop

请注意，这最后一种方法会再次执行Numpy密集乘法。稀疏度为50％，因此实际上比dot(x, x)2倍快。