[英]Adding a sparse vector to a sparse array in python is too slow
我有一个稀疏矩阵,我想向它添加一个稀疏向量。 我尝试了不同的稀疏格式,包括csr,csc,lil,coo,以及将稀疏矢量添加到稀疏矩阵的不同方式,包括vstack和concatenate。
事实证明,所有方式和格式都很慢。 但是,当我将向量转换为密集格式(通过todense())并将其附加到密集矩阵(特别是numpy.ndarray)时,它可以很快完成。 为什么? 是否有我不知道的技巧或合适的格式?
这是我尝试使用“ coo”格式的代码时的代码:
from scipy.sparse import coo_matrix, rand
from time import time as timer
from numpy import array, concatenate, empty
### sparse appending in coo way ####
def sparse_append(A):
dim = A.shape[1]
mat = coo_matrix((0, dim))
sparse_addtime = 0
for vector in A:
st = timer()
row = coo_matrix(vector)
newdata = concatenate((mat.data, row.data))
newrows = concatenate((mat.row, row.row + mat.shape[0]))
newcols = concatenate((mat.col, row.col))
mat = coo_matrix((newdata, (newrows, newcols)), shape = ((mat.shape)[0]+1, (mat.shape)[1]))
et = timer()
sparse_addtime += et-st
return sparse_addtime
#### dense append ####
def dense_append(A):
dim = A.shape[1]
mat = empty([0,dim])
dense_addtime = 0
for vector in A:
st = timer()
mat = concatenate((mat,vector))
et = timer()
dense_addtime += et-st
return dense_addtime
### main ####
if __name__ == '__main__':
dim = 400
n = 200
A = rand(n, dim, density = 0.1, format='lil')
B = A.todense() #numpy.ndarray
t1 = sparse_append(A)
t2 = dense_append(B)
print t1, t2
任何帮助表示赞赏。
稀疏附加代码中最慢的部分是行转换。
row = coo_matrix(vector)
我运行它大约需要花费65%的时间。 这是因为它需要更改用于存储数据的存储格式。另一个较慢的部分是创建矩阵。
mat = coo_matrix((newdata, (newrows, newcols)), shape = ((mat.shape)[0]+1, (mat.shape)[1]))
这还需要30%的时间。 每次执行此操作时,您都将复制所有数据并分配一堆内存。 添加行(尤其是如果行已经为lil格式)的最有效方法是修改矩阵。 如果您一开始就知道矩阵的尺寸,则可以从一开始就以正确的形状创建矩阵。 稀疏格式提高了内存效率,并且没有空行。 否则,您可以每次使用set_shape来增加尺寸。
from scipy.sparse import lil_matrix, rand
from time import time as timer
from numpy import array, concatenate, empty
### sparse appending ####
def sparse_append(A):
dim = A.shape[1]
mat = lil_matrix(A.shape, dtype = A.dtype)
sparse_addtime = 0
i = 0
for vector in A:
st = timer()
mat[i] = vector
i += 1
et = timer()
sparse_addtime += et-st
return sparse_addtime
#### dense append ####
def dense_append(A):
dim = A.shape[1]
mat = empty([0,dim])
dense_addtime = 0
for vector in A:
st = timer()
mat = concatenate((mat,vector))
et = timer()
dense_addtime += et-st
return dense_addtime
### main ####
if __name__ == '__main__':
dim = 400
n = 200
A = rand(n, dim, density = 0.1, format='lil')
B = A.todense() #numpy.ndarray
t1 = sparse_append(A)
t2 = dense_append(B)
print t1, t2
像这样运行代码,从稀疏添加中我得到了明显更好的时间。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.