Python中NumPy如何高效实现稀疏矩阵的转换

云瑶姑娘_5613

云瑶姑娘_5613

2026-11-22

554人浏览

原创

应全程保留稀疏格式,必要时先估算内存(shape[0]shape[1]8/1024³>2GB则禁转),确认下游是否真不支持sparse;必须转时用.toarray()而非np.array()或.A,优先选用匹配操作的CSR/CSC格式,避免频繁互转。

python中numpy如何高效实现稀疏矩阵的转换

稀疏矩阵转 dense 时内存爆掉怎么办

直接调用 .toarray() 或 np.array(sparse_matrix) 极易触发 MemoryError,尤其当稀疏矩阵形状是百万级但非零元仅几千个时。本质是 NumPy 的 dense 数组强制分配完整内存空间,和稀疏结构无关。

真正该做的是:除非后续操作明确要求 dense 输入(比如某些 scikit-learn 模型不支持 sparse),否则全程保留稀疏格式。如果必须转 dense,先检查规模:

  • 用 sparse_matrix.shape 和 sparse_matrix.nnz 粗略估算内存:若 shape[0] * shape[1] * 8 / 1024**3 > 2(即预估超 2GB),别硬转
  • 确认下游函数是否真不支持 sparse —— 大部分 scipy 和 sklearn 接口都原生支持 scipy.sparse 类型,查文档看参数类型标注是否含 sparse matrix
  • 实在要转,且规模可控,优先用 sparse_matrix.toarray()(比 np.array() 稍快且更语义清晰),而非 sparse_matrix.A(后者在某些格式下会静默复制)

csr_matrix 和 csc_matrix 转换开销大不大

转换本身是 O(nnz) 时间复杂度,不重排数据,只改索引结构。但频繁互转说明设计有问题 —— csr_matrix 适合按行切片(如 mat[i, :]),csc_matrix 适合按列切片(如 mat[:, j])。选错格式会导致切片操作慢一个数量级。

实操建议:

  • 读入数据时就定好格式:用 scipy.sparse.csr_matrix((data, (row, col)), shape=...) 构造 CSR;若原始数据按列组织(如特征列批量加载),用 csc_matrix
  • 避免运行时反复转换:不要写 mat.tocsr().sum(axis=1) 这类链式调用,先存为变量 mat_csr = mat.tocsr()
  • coo_matrix 是最轻量的构造格式,但不支持索引;构建完立刻转成 CSR/CSC,别长期持有 COO

从 Pandas DataFrame 构建稀疏矩阵为什么慢

常见错误是用循环 + scipy.sparse.vstack 逐行拼接,或调用 df.values 强制转 dense 再稀疏化,这两者都会破坏稀疏性并拖慢十倍以上。

Define repeatable Python automation sessions in code with nox
Define repeatable Python automation sessions in code with nox

将测试、lint、构建和文档流程编码为命名的Python会话,以便人类和代理每次运行相同的workflow。

下载

正确路径是绕过 DataFrame 的 dense 表示层:

  • 提取非零位置:rows, cols = np.where(df.values != 0),再用 scipy.sparse.csr_matrix((df.values[rows, cols], (rows, cols)), shape=df.shape)
  • 更推荐:若 DataFrame 列是类别型或高基数离散特征,直接用 scipy.sparse.csr_matrix(pd.get_dummies(df, sparse=True).values) —— 注意 sparse=True 生成的是 pandas SparseArray,需再套一层 .to_coo().tocsr()
  • 警惕 df.astype(pd.SparseDtype("float64", 0)):这只是存储优化,底层仍是 dense 计算,不能替代 scipy sparse

NumPy 函数能否直接作用于 scipy.sparse 矩阵

绝大多数 NumPy 函数(如 np.sin、np.log、np.multiply)不支持 sparse 矩阵,会报 TypeError: ufunc 'xxx' not supported for the input types。这不是 bug,是设计使然 —— sparse 矩阵的实现不在 NumPy 的 ufunc 体系内。

替代方案很直接:

  • 逐元素运算:用 sparse 自带方法,如 mat.log1p()(对数加一)、mat.sqrt()、mat.power(2);或用 mat.data = np.log1p(mat.data) 直接改非零值数组(注意:不改变结构,安全)
  • 广播运算:如 mat + vector,确保 vector 是 1D array,sparse 矩阵会自动按行/列广播(CSR 按行,CSC 按列)
  • 矩阵乘法:永远用 mat @ other 或 mat.dot(other),别用 np.dot(mat, other) —— 后者可能退化成 dense 计算

真正容易被忽略的是:稀疏矩阵的「零」不是数学零,而是未显式存储的缺省值(默认 0)。所以 mat.max() 只扫非零元,mat.sum() 不等于 np.sum(mat.toarray()) 当且仅当存在显式存储的 0 值 —— 这种情况极少见,但一旦出现,eliminate_zeros() 能清理掉它们。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5664

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1929

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34797

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4047

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4067

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3163

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程