Создать разреженную матрицу из генератора

Question

Я хотел бы создать большую разреженную матрицу, где ее исходные данные не могут быть полностью загружены из-за проблем с памятью. Вы можете подумать, что у нас есть очень большой файл на диске, и мы не можем его прочитать.

Я думаю об этом, но я не смог найти способ создать разреженную матрицу из генератора.

from scipy.sparse import coo_matrix
matrix1 = coo_matrix(xrange(10)) # it works. Create a sparse matrix with 9 elements.
data = ((0, 1, random.randint(0,5)) for i in xrange(10)) # generator example
matrix2 = coo_matrix(data) # does not work.

Любая идея?

Изменить: я нашел это, еще не пробовал, но это выглядит полезным.

Answer 1

Вот пример использования генератора для заполнения разреженной матрицы. Я использую генератор, чтобы заполнить структурированный массив и создать разреженную матрицу из его полей.

import numpy as np
from scipy import sparse
N, M = 3,4
def foo(N,M):
    # just a simple dense matrix of random data
    cnt = 0
    for i in xrange(N):
        for j in xrange(M):
            yield cnt, (i, j, np.random.random())
            cnt += 1

dt = dt=np.dtype([('i',int), ('j',int), ('data',float)])
X = np.empty((N*M,), dtype=dt)
for cnt, tup in foo(N,M):
    X[cnt] = tup

print X.shape
print X['i']
print X['j']
print X['data']
S = sparse.coo_matrix((X['data'], (X['i'], X['j'])), shape=(N,M))
print S.shape
print S.A

производить что-то вроде:

(12,)
[0 0 0 0 1 1 1 1 2 2 2 2]
[0 1 2 3 0 1 2 3 0 1 2 3]
[ 0.99268494  0.89277993  0.32847213  0.56583702  0.63482291  0.52278063
  0.62564791  0.15356269  0.1554067   0.16644956  0.41444479  0.75105334]
(3, 4)
[[ 0.99268494  0.89277993  0.32847213  0.56583702]
 [ 0.63482291  0.52278063  0.62564791  0.15356269]
 [ 0.1554067   0.16644956  0.41444479  0.75105334]]

Все ненулевые точки данных будут существовать в памяти в 2 формах - полях Xи строка, col, массивы данных разреженной матрицы.

Структурированный массив как X также может быть загружен из столбцов CSV-файла.

Несколько форматов разреженной матрицы позволяют вам устанавливать элементы данных, например

S = sparse.lil_matrix((N,M))
for cnt, tup in foo(N,M):
    i,j,value = tup
    S[i,j] = value
print S.A

sparse говорит мне, что lil является наименее дорогим формат для этого типа назначения.