- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我需要对一个非常大的表或矩阵执行计算和操作,大约有 7500 行和 30000 列。
矩阵数据将如下所示:
文件编号|字1 |字 2 |字 3 |... |字 30000 |文档类
0032 1 0 0 1P
换句话说,绝大多数单元格将包含 bool 值(0 和 1)。
需要做的计算是使用词干提取或特征选择(通过减少技术来减少词的数量),以及每类或每词的计算等。
我的想法是设计一个 OOP 模型来表示矩阵,然后将对象序列化到磁盘,以便以后可以重用它们。例如,我将为每一行或每一列创建一个对象,或者可能为另一个类中包含的每个交叉点创建一个对象。
我考虑过用 XML 表示它,但文件大小可能会出现问题。
我在这里的做法可能会错过底池 -我是在正确的道路上,还是会有更好的方法来处理如此大的数据集合。
这里的关键问题是性能( react 时间等),以及数据的冗余和完整性,显然我需要将数据保存在磁盘上。
最佳答案
你还没有解释你需要在表格/矩阵上进行的计算的性质,所以我不得不在那里做出假设,但如果我正确地阅读了你的问题,这可能是一个典型的例子使用关系数据库的情况——即使您的数据库中没有任何实际关系。如果您不能使用完整的服务器,请使用 SQL Server Compact Edition 作为嵌入式数据库,如果您愿意,这将允许您以编程方式控制 .SDF 文件。
编辑:
经过再三考虑,我撤回了数据库的建议。这完全是因为表中的列数,您使用的任何关系数据库都会对此有硬性限制,而且我没有看到一种不是非常复杂的解决方法。
根据您的编辑,我想说您对三件事感兴趣:
稍微考虑一下后,我将如何为您的数据建模:
对于词的存在,我觉得最好避免使用复杂的对象模型。您想要在两个方向(按列和按行)进行纯计算,而在我看来,最灵活和潜在的性能结构是一个简单的二维数组 bool
字段,像这样:
var wordMatrix = new bool[numDocuments,numWords];
单词本身应该在 string
的数组或列表中索引链接到词矩阵第二列的 s -- 由 numWords
定义的在上面的例子中。如果您需要快速搜索特定单词,可以使用 Dictionary<string, int>
,以键为词,值为索引,快速找到特定词的索引。
文档标识同样位于 int
的数组或列表中。 s 索引链接到第一列。我假设文档 ID 是那里的整数值。分类将是一个类似的数组或列表,尽管我会使用 enum
的列表s 表示分类的每个可能值。与单词搜索一样,如果您需要按 ID 搜索文档,您可以使用 Dictionary<int, int>
。作为您的搜索索引。
我对这个模型做了几个假设,特别是你想对单词在所有方向上的存在进行纯粹的计算,而不是“每个文档”。如果我错了,更简单的方法可能是按文档删除二维数组和模型,即单个 C# Document
类,带有 DocumentId
, 和 DocumentClasification
字段以及一个简单的 bool 数组,这些 bool 数组通过索引链接到单词列表。然后您可以使用这些 Document
的列表对象以及单独的单词列表。
一旦您有了喜欢的数据模型,将其保存到磁盘就是最简单的部分。只需使用 C# 序列化。您可以选择通过 XML 或二进制文件保存它。二进制自然会为您提供最小的文件大小(我估计略多于 200MB 加上 30000 字列表的大小)。如果包括字典查找索引,可能需要额外的 120kB。
关于c# - 代表一个巨大的矩阵/表格,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/9824911/
假设我有两个矩阵,每个矩阵有两列和不同的行数。我想检查并查看一个矩阵的哪些对在另一个矩阵中。如果这些是一维的,我通常只会做 a %in% x得到我的结果。 match似乎只适用于向量。 > a
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题? 更新问题,以便 editing this post 可以用事实和引用来回答它. 关闭 9 个月前。 Improv
我只处理过 DirectX 矩阵 我读过一些文章,说不能将 DirectX 矩阵数学库用于 openGL 矩阵。 但我也读过,如果你的数学是一致的,你可以获得类似的结果。那只会让我更加困惑。 任何人都
我编写了一个C++代码来解决线性系统A.x = b,其中A是一个对称矩阵,方法是首先使用LAPACK(E)对角矩阵A = V.D.V^T(因为以后需要特征值),然后求解x = A^-1.b = V^T
我遇到了问题。我想创建二维数组 rows=3 cols=2我的代码如下 int **ptr; int row=3; int col=2; ptr=new int *[col]; for (int i=
我有一个 3d mxnxt 矩阵,我希望能够提取 t 2d nxm 矩阵。在我的例子中,我有一个 1024x1024x10 矩阵,我想要 10 张图像显示给我。 这不是 reshape ,我每次只需要
我在 MATLAB 中有一个 3d 矩阵 (n-by-m-by-t) 表示一段时间内网格中的 n-by-m 测量值.我想要一个二维矩阵,其中空间信息消失了,只剩下 n*m 随着时间 t 的测量值(即:
作为一个简化的示例,我有一个 3D numpy 矩阵,如下所示: a = np.array([[[1,2], [4,np.nan], [7,
作为一个简化的示例,我有一个 3D numpy 矩阵,如下所示: a = np.array([[[1,2], [4,np.nan], [7,
使用 eigen2 , 并给定一个矩阵 A a_0_0, a_0_1, a_0_2, ... a_1_0, a_1_0, a_1_2, ... ... 和一个矩阵B: b_0_0, b_0_1, b_
我想知道如何获得下面的布局。 在中型和大型设备上,我希望有 2 行和 2 列的布局(2 x 2 矩阵)。 在小型(和超小型)设备上或调整为小型设备时,我想要一个 4 行和 1 列的矩阵。 我将通过 a
有什么方法可以向量化以下内容: for i = 1:6 te = k(:,:,:,i).*(c(i)); end 我正在尝试将 4D 矩阵 k 乘以向量 c,方法是将其
如何从填充有 1 和 0 的矩阵中抽取 n 个随机点的样本? a=rep(0:1,5) b=rep(0,10) c=rep(1,10) dataset=matrix(cbind(a,b,c),nrow
我正在尝试创建一个包含 X 个 X 的矩阵。以下代码生成从左上角到右下角的 X 对 Angular 线,而不是从右上角到左下角的 X 对 Angular 线。我不确定从哪里开始。是否应该使用新变量创建
我想在 python 中创建一个每行三列的矩阵,并能够通过任何一行对它们进行索引。矩阵中的每个值都是唯一的。 据我所知,我可以设置如下矩阵: matrix = [["username", "name"
我有点迷茫 我创建了一个名为 person 的类,它具有 age 和 name 属性(以及 get set 方法)。然后在另一个类中,我想创建一个 persons 数组,其中每个人都有不同的年龄和姓名
我有 n 个类,它们要么堆叠,要么不堆叠。所有这些类都扩展了同一个类 (CellObject)。我知道更多类将添加到此列表中,我想创建一种易于在一个地方操纵“可堆叠性”的方法。 我正在考虑创建一个矩阵
我有一个包含 x 个字符串名称及其关联 ID 的文件。本质上是两列数据。 我想要的是一个格式为 x x x 的相关样式表(将相关数据同时作为 x 轴和 y 轴),但我想要 fuzzywuzzy 库的函
机器学习与传统编程的一个重要区别在于机器学习比传统编程涉及了更多的数学知识。不过,随着机器学习的飞速发展,各种框架应运而生,在数据分析等应用中使用机器学习时,使用现成的库和框架成为常态,似乎越来越不需
当我在 julia 中输入这个错误跳转但我不知道为什么,它应该工作。/ julia> A = [1 2 3 4; 5 6 7 8; 1 2 3 4; 5 6 7 8] 4×4 Array{Int64,
我是一名优秀的程序员,十分优秀!