coo_matrix没有连接

Question

我有许多索引和值组成了scipy.coo_matrix 。 索引/值是从不同的子例程生成的，并且在移交给矩阵构造函数之前被concatenate在一起：

import numpy
from scipy import sparse

n = 100000

I0 = range(n)
J0 = range(n)
V0 = numpy.random.rand(n)

I1 = range(n)
J1 = range(n)
V1 = numpy.random.rand(n)

# [...]

I = numpy.concatenate([I0, I1])
J = numpy.concatenate([J0, J1])
V = numpy.concatenate([V0, V1])

matrix = sparse.coo_matrix((V, (I, J)), shape=(n, n))

现在， (I, J, V)的分量可能会很大，以至于串联操作变得很重要。 （在上面的示例中，这占用了我计算机上20％的运行时。） 我读到没有copy不能连接 。

有没有一种方法可以在不首先复制输入数据的情况下移交索引和值？

Answer 1

如果您查看coo_matrix.__init__的代码，您会发现它非常简单。 实际上，如果(V, (I,J))输入正确，它将简单地将这3个数组分配给其.data ， row和col属性。 您甚至可以在创建后通过将这些属性与变量进行比较来进行检查。

如果它们不是正确的dtype的一维数组，它将按摩它们-制作数组，等等。因此，无需赘述，您之前进行的处理可能会节省coo叫声的时间。

            self.row = np.array(row, copy=copy, dtype=idx_dtype)
            self.col = np.array(col, copy=copy, dtype=idx_dtype)
            self.data = np.array(obj, copy=copy)

一种或其他方式，每个属性都必须是单个数组，而不是数组的松散列表或列表列表。

sparse.bmat从其他矩阵sparse.bmat一个coo矩阵。 它收集了他们的coo属性，将它们加入到fill an empty array样式的fill an empty array ，并调用coo_matrix 。 看一下它的代码。

几乎所有返回新数组的numpy操作都通过分配一个empty并填充它来实现。 让numpy在编译后的代码（使用np.concatentate ）中做到这一点要快一些，但是诸如输入大小和数量之类的细节会有所不同。

non_connonical coo矩阵仅仅是个开始。 许多操作都需要转换为其他格式之一。

---

高效地构造FEM / FVM矩阵这是关于稀疏矩阵构造的情况 ，其中有许多重复的点需要加总-并使用csr格式进行计算。

Answer 2

您可以尝试预分配阵列。 这样至少可以节省您的副本。 我没有看到该示例的任何加速，但您可能会看到一个变化。

import numpy
from scipy import sparse

n = 100000

I = np.empty(2*n, np.double)
J = np.empty_like(I)
V = np.empty_like(I)
I[:n] = range(n)
J[:n] = range(n)
V[:n] = numpy.random.rand(n)

I[n:] = range(n)
J[n:] = range(n)
V[n:] = numpy.random.rand(n)
matrix = sparse.coo_matrix((V, (I, J)), shape=(n, n))