<分区>
我有一个相当大的稀疏矩阵,我估计它在加载到内存中时会占用 1Gb。
我不需要一直访问整个矩阵,所以某种内存映射会起作用;然而,似乎不可能使用 numpy 或 spicy(我熟悉的工具)来内存映射稀疏矩阵。
它可以很容易地装入内存,但如果我每次运行程序时都必须加载它,那将是一件痛苦的事情。也许有某种方法可以在运行之间将其保存在内存中?
那么,你有什么建议: 1. 找到一种内存映射稀疏矩阵的方法; 2.每次都将整个想法加载到内存中 3. ?
<分区>
我有一个相当大的稀疏矩阵,我估计它在加载到内存中时会占用 1Gb。
我不需要一直访问整个矩阵,所以某种内存映射会起作用;然而,似乎不可能使用 numpy 或 spicy(我熟悉的工具)来内存映射稀疏矩阵。
它可以很容易地装入内存,但如果我每次运行程序时都必须加载它,那将是一件痛苦的事情。也许有某种方法可以在运行之间将其保存在内存中?
那么,你有什么建议: 1. 找到一种内存映射稀疏矩阵的方法; 2.每次都将整个想法加载到内存中 3. ?
最佳答案
以下内容可能作为一个一般概念,但您将不得不弄清楚很多细节......您应该首先让自己熟悉 CSR format ,其中一个数组的所有信息存储在 3 个数组中,两个长度为非零条目的数量,一个长度为行数加一:
>>> import scipy.sparse as sps
>>> a = sps.rand(10, 10, density=0.05, format='csr')
>>> a.toarray()
array([[ 0. , 0.46531486, 0.03849468, 0.51743202, 0. ],
[ 0. , 0.67028033, 0. , 0. , 0. ],
[ 0. , 0. , 0. , 0. , 0. ],
[ 0. , 0. , 0. , 0. , 0.9967058 ],
[ 0. , 0. , 0. , 0. , 0. ]])
>>> a.data
array([ 0.46531486, 0.03849468, 0.51743202, 0.67028033, 0.9967058 ])
>>> a.indices
array([1, 2, 3, 1, 4])
>>> a.indptr
array([0, 3, 4, 4, 5, 5])
因此 a.data
具有非零条目,按行主要顺序,a.indices
具有非零条目的相应列索引,并且 a.indptr
具有其他两个数组的起始索引,其中每行的数据开始,例如a.indptr[3] = 4
和 a.indptr[3+1] = 5
,因此第四行中的非零条目是 a.data [4:5]
,以及它们的列索引 a.indices[4:5]
。
因此您可以将这三个数组存储在磁盘中,并以内存映射的形式访问它们,然后您可以按如下方式检索行 m 到 n:
ip = indptr[m:n+1].copy()
d = data[ip[0]:ip[-1]]
i = indices[ip[0]:ip[-1]]
ip -= ip[0]
rows = sps.csr_matrix((d, i, ip))
作为概念的一般证明:
>>> c = sps.rand(1000, 10, density=0.5, format='csr')
>>> ip = c.indptr[20:25+1].copy()
>>> d = c.data[ip[0]:ip[-1]]
>>> i = c.indices[ip[0]:ip[-1]]
>>> ip -= ip[0]
>>> rows = sps.csr_matrix((d, i, ip))
>>> rows.toarray()
array([[ 0. , 0. , 0. , 0. , 0.55683501,
0.61426248, 0. , 0. , 0. , 0. ],
[ 0. , 0. , 0.67789204, 0. , 0.71821363,
0.01409666, 0. , 0. , 0.58965142, 0. ],
[ 0. , 0. , 0. , 0.1575835 , 0.08172986,
0.41741147, 0.72044269, 0. , 0.72148343, 0. ],
[ 0. , 0.73040998, 0.81507086, 0.13405909, 0. ,
0. , 0.82930945, 0.71799358, 0.8813616 , 0.51874795],
[ 0.43353831, 0.00658204, 0. , 0. , 0. ,
0.10863725, 0. , 0. , 0. , 0.57231074]])
>>> c[20:25].toarray()
array([[ 0. , 0. , 0. , 0. , 0.55683501,
0.61426248, 0. , 0. , 0. , 0. ],
[ 0. , 0. , 0.67789204, 0. , 0.71821363,
0.01409666, 0. , 0. , 0.58965142, 0. ],
[ 0. , 0. , 0. , 0.1575835 , 0.08172986,
0.41741147, 0.72044269, 0. , 0.72148343, 0. ],
[ 0. , 0.73040998, 0.81507086, 0.13405909, 0. ,
0. , 0.82930945, 0.71799358, 0.8813616 , 0.51874795],
[ 0.43353831, 0.00658204, 0. , 0. , 0. ,
0.10863725, 0. , 0. , 0. , 0.57231074]])
关于python - 存储和检索大型稀疏矩阵,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16039852/