- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
尽管一切似乎都已矢量化,但以下代码运行速度太慢。
from numpy import *
from scipy.sparse import *
n = 100000;
i = xrange(n); j = xrange(n);
data = ones(n);
A=csr_matrix((data,(i,j)));
x = A[i,j]
问题似乎是索引操作是作为 python 函数实现的,调用 A[i,j]
会导致以下分析输出
500033 function calls in 8.718 CPU seconds
Ordered by: internal time
ncalls tottime percall cumtime percall filename:lineno(function)
100000 7.933 0.000 8.156 0.000 csr.py:265(_get_single_element)
1 0.271 0.271 8.705 8.705 csr.py:177(__getitem__)
(...)
也就是说,python 函数 _get_single_element
被调用了 100000 次,效率非常低。为什么这不是用纯 C 实现的?有人知道绕过这个限制并加速上述代码的方法吗?我应该使用不同的稀疏矩阵类型吗?
最佳答案
您可以使用 A.diagonal()
更快地检索对角线(0.0009 秒对我机器上的 3.8 秒)。但是,如果您想进行任意索引,那么这是一个更复杂的问题,因为您使用的不是切片而是索引列表。 _get_single_element 函数被调用了 100000 次,因为它只是迭代您传递给它的迭代器(i 和 j)。切片将是 A[30:60,10] 或类似的东西。
另外,为了简单起见,我会使用 csr_matrix(eye(n,n))
来制作您使用迭代器制作的相同矩阵。
好的,既然你的问题真的是关于能够快速访问大量随机元素,我会尽可能地回答你的问题。
答案很简单:还没有人了解它。据我所知,Scipy 的稀疏矩阵模块领域还有很多工作要做。用C语言实现的一个部分是不同稀疏矩阵格式之间的转换。
您可以尝试深入研究稀疏矩阵模块并尝试加快它们的速度。我这样做了,并且在尝试上面的代码使用 csr 矩阵进行随机访问时,能够将时间减少到原来的三分之一以下。我必须直接访问 _get_single_element 并显着削减代码来做到这一点,包括取消绑定(bind)检查。
但是,使用 lil_matrix 仍然更快(尽管初始化矩阵速度较慢),但我必须使用列表推导式进行访问,因为 lil 矩阵未针对您正在执行的索引类型设置。顺便说一句,对 csr_matrix 使用列表推导仍然使 lil 矩阵方法遥遥领先。最后,lil 矩阵访问随机元素的速度更快,因为它没有被压缩。
使用原始形式的 lil_matrix 的运行时间大约是上面列出的代码的五分之一。如果我去掉一些绑定(bind)检查并直接调用 lil_matrix 的 _get1() 方法,我可以将时间进一步缩短为原始时间的 7% 左右。为清楚起见,这是从 3.4-3.8 秒加速到大约 0.261 秒。
最后,我尝试制作自己的函数来直接访问 lil 矩阵的数据并避免重复函数调用。这个时间大约是 0.136 秒。这没有利用正在排序的数据,这是另一个潜在的优化(特别是如果您正在访问同一行上的许多元素)。
如果您想要比这更快,那么您可能必须编写自己的 C 代码稀疏矩阵实现。
好吧,如果您打算访问大量元素,我建议使用 lil 矩阵,但这完全取决于您需要做什么。例如,您还需要乘以矩阵吗?请记住,矩阵之间的更改至少有时(在某些情况下)非常快,因此不排除更改为不同的矩阵格式来执行不同的操作。
如果您实际上不需要对矩阵执行任何代数运算,那么也许您应该只使用 defaultdict 或类似的东西。 defaultdicts 的危险在于,无论何时请求一个不在字典中的元素,它都会将该项目设置为默认值并存储它,这样可能会出现问题。
关于python - scipy.sparse 矩阵的索引操作向量化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2404437/
这几天我一直在努力。我一直在自学 CSS,所以对菜鸟好一点。我正在创建一个推荐 slider 。推荐以 3 个 block 显示。我希望前 2 个下降,第 3 个上升。但是当 slider 激活时,无
我最近开始学习 Nodejs,现在我很困惑我的网络应用程序使用什么,html 还是 ejs (Express)。 Ejs 使用 Express 模块,而 .html 使用 HTML 模块。我的第一个问
假设我们有一个 PostgreSQL 表contacts,每条记录都有一堆带标签的电子邮件地址(标签和电子邮件对)——其中一个是“主要”。 存储方式如下: id 主键 电子邮件 文本 email_la
我成功为一种新的tesseract语言编写了traineddata文件,但是当我完成时,我继续收到以下错误: index >= 0 && index = 0 && 索引 < size_used_ :E
这个问题已经有答案了: How to deal with SettingWithCopyWarning in Pandas (21 个回答) 已关闭 4 年前。 假设我有一个像这样的数据框,第一列“密
如果我有一个位置或行/列同时用于 A 和 B 位置,请检查 B 是否与 A 成对角线? 1 2 3 4 5 6 7 8 9 例如,我如何检查 5 是否与 7 成对角线? 此外,如果我检查 4 是
MongoDB:索引 一、 创建索引 默认情况下,集合中的_id字段就是索引,我们可以通过getIndexes()方法来查看一个集合中的索引 > db.user.getIndexes() [ { "v
一、索引介绍 索引是一种用来快速查询数据的数据结构。 B+Tree就是一种常用的数据库索引数据结构,MongoDB采用B+Tree 做索引,索引创建在colletions上。 MongoDB不使用索引
我无法决定索引。 就像我有下面的查询需要太多时间来执行: select count(rn.NODE_ID) as Count, rnl.[ISO_COUNTRY_CODE] as Cou
我有这些表: CREATE TABLE `cstat` ( `id_cstat` bigint(20) NOT NULL, `lang_code` varchar(3) NOT NULL,
我正在尝试找到一种方法来提高包含 IP 范围的 mysql 表的性能(在高峰时段每秒最多有 500 个 SELECT 查询(!),所以我有点担心)。 我有一个这种结构的表: id smallint(
jquery index() 似乎无法识别元素之一,总是说“无法读取未定义的属性‘长度’”这是我的代码。mnumber 是导致问题的原因。我需要 number 和 mnumber 才能跟踪使用鼠标,并
我们有一个包含近 4000 万条记录的 MongoDB 集合。该集合的当前大小为 5GB。此集合中存储的数据包含以下字段: _id: "MongoDB id" userid: "user id" (i
文档说:如果你有多个字段的复合索引,你可以用它来查询字段的开始子集。所以如果你有一个索引一个,乙,丙你可以用它查询一种一个,乙a,b,c 我的问题是,如果我有一个像这样的复合索引一个,乙,丙我可以查询
我正在使用 $('#list option').each(function(){ //do stuff }); 循环列表中的选项。我想知道如何获取当前循环的索引? 因为我不想让 var i = 0;循
MySQL索引的建立对于MySQL的高效运行是很重要的,索引可以大大提高MySQL的检索速度。 打个比方,如果合理的设计且使用索引的MySQL是一辆兰博基尼的话,那么没有设计和使用索引的MySQL
SQLite 索引(Index) 索引(Index)是一种特殊的查找表,数据库搜索引擎用来加快数据检索。简单地说,索引是一个指向表中数据的指针。一个数据库中的索引与一本书后边的索引是非常相似的。
我是 RavenDB 的新手。我正在尝试使用多 map 索引功能,但我不确定这是否是解决我的问题的最佳方法。所以我有三个文件:Unit、Car、People。 汽车文件看起来像这样: { Id: "
我有以下数据,我想根据范围在另一个表中建立索引 我想要实现的是,例如,如果三星的销售额为 2500,则折扣为 2%,低于 3000 且高于 1000 我知道它可以通过索引来完成,与多个数组匹配,然后指
我正在检查并删除 SQL 数据库中的重复和冗余索引。 所以如果我有两个相同的索引,我会删除。 例如,如果我删除了重叠的索引... 索引1:品牌、型号 指标二:品牌、型号、价格 我删除索引 1。 相同顺
我是一名优秀的程序员,十分优秀!