熱線電話:13121318867

登錄
首頁精彩閱讀Python使用稀疏矩陣節省內存實例
Python使用稀疏矩陣節省內存實例
2018-04-25
收藏

Python使用稀疏矩陣節省內存實例

這篇文章主要介紹了Python使用稀疏矩陣節省內存實例,矩陣中非零元素的個數遠遠小于矩陣元素的總數,并且非零元素的分布沒有規律,則稱該矩陣為稀疏矩陣,需要的朋友可以參考下


推薦系統中經常需要處理類似user_id, item_id, rating這樣的數據,其實就是數學里面的稀疏矩陣,scipy中提供了sparse模塊來解決這個問題,但scipy.sparse有很多問題不太合用:

1、不能很好的同時支持data[i, ...]、data[..., j]、data[i, j]快速切片;
2、由于數據保存在內存中,不能很好的支持海量數據處理。

要支持data[i, ...]、data[..., j]的快速切片,需要i或者j的數據集中存儲;同時,為了保存海量的數據,也需要把數據的一部分放在硬盤上,用內存做buffer。這里的解決方案比較簡單,用一個類Dict的東西來存儲數據,對于某個i(比如9527),它的數據保存在dict['i9527']里面,同樣的,對于某個j(比如3306),它的全部數據保存在dict['j3306']里面,需要取出data[9527, ...]的時候,只要取出dict['i9527']即可,dict['i9527']原本是一個dict對象,儲存某個j對應的值,為了節省內存空間,我們把這個dict以二進制字符串形式存儲,直接上代碼:

代碼如下:

'''
Sparse Matrix
'''
import struct
import numpy as np
import bsddb
from cStringIO import StringIO
 
class DictMatrix():
    def __init__(self, container = {}, dft = 0.0):
        self._data  = container
        self._dft   = dft
        self._nums  = 0
 
    def __setitem__(self, index, value):
        try:
            i, j = index
        except:
            raise IndexError('invalid index')
 
        ik = ('i%d' % i)
        # 為了節省內存,我們把j, value打包成字二進制字符串
        ib = struct.pack('if', j, value)
        jk = ('j%d' % j)
        jb = struct.pack('if', i, value)
 
        try:
            self._data[ik] += ib
        except:
            self._data[ik] = ib
        try:
            self._data[jk] += jb
        except:
            self._data[jk] = jb
        self._nums += 1
 
    def __getitem__(self, index):
        try:
            i, j = index
        except:
            raise IndexError('invalid index')
 
        if (isinstance(i, int)):
            ik = ('i%d' % i)
            if not self._data.has_key(ik): return self._dft
            ret = dict(np.fromstring(self._data[ik], dtype = 'i4,f4'))
            if (isinstance(j, int)): return ret.get(j, self._dft)
 
        if (isinstance(j, int)):
            jk = ('j%d' % j)
            if not self._data.has_key(jk): return self._dft
            ret = dict(np.fromstring(self._data[jk], dtype = 'i4,f4'))
 
        return ret
 
    def __len__(self):
        return self._nums
 
    def __iter__(

測試代碼:

代碼如下:
import timeit
timeit.Timer('foo = __main__.data[9527, ...]', 'import __main__').timeit(number = 1000)

消耗1.4788秒,大概讀取一條數據1.5ms。
采用類Dict來存儲數據的另一個好處是你可以隨便用內存Dict或者其他任何形式的DBM,甚至傳說中的Tokyo Cabinet….

好了,碼完收工。



數據分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢