numpy的零

Question

我试图获得最大表现出来numpy的和不知道是否有更好的方法来计算点积有，有很多零的它 例如数组：

a = np.array([[0, 3, 0], [1, 0, 1]]) 
print a.dot([1, 2, 5]) 

这是一个小例子，但如果我们有一个更大的数组，在数组中的任何位置可以说80％的零，我的问题是有没有更好或更快的计算点积的方法有这么多的零？

Answer 1

In [269]: from scipy import sparse 
In [270]: M=sparse.random(1000,1000,.1, 'csr') 
In [271]: MA = M.A 
In [272]: timeit M*M.T 
10 loops, best of 3: 64 ms per loop 
In [273]: timeit MA@MA.T 
10 loops, best of 3: 60.4 ms per loop 

我所定义的随机稀疏矩阵与一个指定稀疏性，10％：

In [274]: M 
Out[274]: 
<1000x1000 sparse matrix of type '<class 'numpy.float64'>' 
    with 100000 stored elements in Compressed Sparse Row format> 
In [275]: np.allclose(MA@MA.T, (M*M.T).A) 
Out[275]: True 

@是dot操作形式（见np.matmul）。因此，在这个稀疏度为10％的水平上，两种方法的时间相同（没有任何稀疏转换）。

对于这种随机矩阵，所述M*M.T结果是致密：

In [282]: (M*M.T) 
Out[282]: 
<1000x1000 sparse matrix of type '<class 'numpy.float64'>' 
    with 999964 stored elements in Compressed Sparse Row format> 

---

稀疏倍很大程度上取决于稀疏;茂密的时间并不

In [295]: M=sparse.random(1000,1000,.01, 'csr'); MA=M.A 
In [296]: timeit M*M.T 
100 loops, best of 3: 2.44 ms per loop 
In [297]: timeit MA@MA.T 
10 loops, best of 3: 56.3 ms per loop 
In [298]: M=sparse.random(1000,1000,.2, 'csr'); MA=M.A 
In [299]: timeit M*M.T 
10 loops, best of 3: 175 ms per loop 
In [300]: timeit MA@MA.T 
10 loops, best of 3: 56.3 ms per loop 

---

随着往返于稀疏和背部，时间跳到60至100毫秒

In [302]: %%timeit 
    ...: M1=sparse.csr_matrix(MA) 
    ...: (M1*M1.T).A 
    ...: 
10 loops, best of 3: 104 ms per loop