Python中稀疏矩阵的矩阵乘法
Python中稀疏矩阵的矩阵乘法
提问于 2011-09-20 05:51:43
我想将一个稀疏矩阵A与一个元素为0、-1或1的矩阵B相乘。为了降低矩阵乘法的复杂度，我可以忽略那些为0的项，或者如果该项为1或subs，则继续添加没有乘法的列。如果它是-1。关于这一点的讨论如下：
Random projection algorithm pseudo code
现在我可以继续实现这个技巧，但是我想知道如果我使用Numpy的乘法函数，它会更快。
有没有人知道他们是否针对这样的矩阵优化了矩阵乘法？或者你可以建议一些方法来加速这个过程，因为我有一个300000x1000的矩阵。
回答 1
Stack Overflow用户
回答已采纳
发布于 2011-09-20 07:14:56
你看过scipy.sparse吗？在这里，重新发明轮子是没有意义的。稀疏矩阵是一个相当标准的东西。
(在本例中，为了便于在乘法后打印，我使用了300000x4矩阵。不过，300000x1000矩阵应该不会有任何问题。假设您拥有大多数0元素，这将比将两个密集数组相乘要快得多。)
import scipy.sparse
import numpy as np
# Make the result reproducible...
np.random.seed(1977)
def generate_random_sparse_array(nrows, ncols, numdense):
"""Generate a random sparse array with -1 or 1 in the non-zero portions"""
i = np.random.randint(0, nrows-1, numdense)
j = np.random.randint(0, ncols-1, numdense)
data = np.random.random(numdense)
data[data <= 0.5] = -1
data[data > 0.5] = 1
ij = np.vstack((i,j))
return scipy.sparse.coo_matrix((data, ij), shape=(nrows, ncols))
A = generate_random_sparse_array(4, 300000, 1000)
B = generate_random_sparse_array(300000, 5, 1000)
C = A * B
print C.todense()这会产生以下结果：
[[ 0. 1. 0. 0. 0.]
[ 0. 2. -1. 0. 0.]
[ 1. -1. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/7477733
复制相关文章
相似问题
腾讯云开发者
