我写了一个程序,并一直在分析它 . 瓶颈如下(如果我使用稀疏矩阵):
26534 0.775 0.000 66.657 0.003 compressed.py:638(__setitem__)
26534 2.240 0.000 59.438 0.002 compressed.py:688(_set_many)
13318 2.993 0.000 50.024 0.004 compressed.py:742(_insert_many)
3034231 23.087 0.000 38.101 0.000 defmatrix.py:312(__getitem__)
如果我使用密集矩阵,那么这些操作很慢(必须将init矩阵设为零)
3034072 24.902 0.000 41.135 0.000 defmatrix.py:312(__getitem__)
11780 19.586 0.002 19.586 0.002 {numpy.core.multiarray.zeros}
稀疏矩阵版本更快(193秒对178秒) . 但检索和放入行显然是我的瓶颈 . 我尝试使用 take
函数,我使用 range()
创建一个包含行索引的数组 . 然而,这比我目前所做的要差得多(比10000倍),对于矩阵X, X[idx,:]
用于放置和 X.getrow(idx).todense()
用于拍摄 .
有没有更好的方法来访问和替换这些行?我的矩阵非常大(~100000行20-500 cols) .
编辑:我正在使用csr_matrix(但对任何类型的稀疏矩阵开放 - 这个似乎适合抓取行) . 以下是一系列测试,只是为了给出一个MWE . 速度约为3E-4s,7E-3s,.1s . 这对我来说是令人惊讶的,我想知道是否有一种比顶级方法更快的方法 . 如果我删除todense()调用稀疏时间减少一半 - 但这似乎仍然很慢 .
import numpy as np
from time import time
from scipy.sparse import csr_matrix
def testFancy(mat,idxs):
for i in idxs:
x = mat[i,:]
def testTake(mat,idxs):
for i in idxs:
x = mat.take(range(i*50,i*50+50))
def testSparse(mat,idxs):
for i in idxs:
x = mat.getrow(i).todense()
mat = np.random.rand(50000,50)
idxs = np.random.randint(50000-1, size=1000)
#fancy
t0 = time()
testFancy(mat,idxs)
t1 = time()
print str(t1-t0)
#take
t0 = time()
testTake(mat,idxs)
t1 = time()
print str(t1-t0)
#sparse
mat = csr_matrix((50000,50))
t0 = time()
testSparse(mat,idxs)
t1 = time()
print str(t1-t0)
2 回答
只需使用花哨的索引,用于获取和设置数组中的行,
数组是否稀疏无关紧要 . 这将比任何带循环的自定义解决方案更快(在我的情况下比
testSparse
快〜250倍) .当然,稀疏数组的赋值应该以保留稀疏性的方式完成,否则它将被重新分配,这对于
csr_matrix
来说代价很高 . 例如,上面的例子,因为它产生一个警告 .Edit :回应评论 . 我们考虑只查询一行,
所以是的,查询密集数组,比稀疏数组快10到100倍,结果转换为密集(无论你使用csr还是lil数组),因为开销较少 . 没有什么可以做的,你只需要选择是否需要稀疏数组 .
我尝试使用dok_mat:rix . 我测试的结果是0.03s,整个应用程序是66s:
这似乎是一个很好的妥协 - 但我不知道它是否会更好 .