为什么lil_matrix和dok_matrix与普通的dict相比这么慢？

当我将您更改

+=

为仅

=

用于2个稀疏数组时：

for row, col in zip(rows, cols):    #freqs[row,col] += 1    freqs[row,col] = 1

他们各自的时间减少了一半。消耗时间最多的是索引。使用

+=

它必须同时执行a

__getitem__

和a

__setitem__

。

当文档这么说

dok

并且

lil

更适合迭代构造时，它们意味着扩展其基础数据结构比其他格式更容易。

当我尝试

csr

用您的代码创建矩阵时，我得到：

/usr/lib/python2.7/dist-
packages/scipy/sparse/compressed.py:690：SparseEfficiencyWarning：更改csr_matrix的稀疏结构非常昂贵。lil_matrix效率更高。稀疏效率警告）

速度降低30倍。

因此，速度要求与诸如之类的格式有关

csr

，而不与纯Python或

numpy

结构有关。

您可能想要查看Python代码，

dok_matrix.__get_item__

并

dok_matrix.__set_item__

查看这样做时会发生什么

freq[r,c]

。

---

一种更快的构造方法

dok

是：

freqs = dok_matrix((1000,1000))d = dict()for row, col in zip(rows, cols):    d[(row, col)] = 1freqs.update(d)

利用a

dok

是子类字典的事实。请注意，

dok

矩阵不是字典的字典。它的键是元组之类的

(50,50)

。

构造相同的稀疏数组的另一种快速方法是：

freqs = sparse.coo_matrix((np.ones(1000,int),(rows,cols)))

换句话说，由于您已经具有

rows

and

cols

数组（或范围），因此请计算相应的

data

数组，然后构造稀疏数组。

但是，如果您必须在增量增长步骤之间对矩阵执行稀疏运算，那么

dok

或者

lil

可能是您的最佳选择。

---

开发了用于解决线性代数问题的稀疏矩阵，例如使用大型稀疏矩阵求解线性方程。几年前，我在MATLAB中使用它们来解决有限差分问题。对于这项工作，计算友好的

csr

格式是最终目标，而该

coo

格式是一种方便的初始化格式。

现在，许多SO稀疏问题都来自

scikit-learn

文本分析问题。它们还用于生物学数据库文件中。但是

(data),(row,col)

定义方法仍然效果最好。

因此，稀疏矩阵从未打算用于快速增量创建。字典和列表之类的传统Python结构对此要好得多。

---

这

dok

是利用其字典方法的更快迭代。

update

似乎和普通字典一样快。

get

大约是等效索引（

freq[row,col]

）的3倍。索引可能使用

get

，但必须有很多开销。

def fast_dok(rows, cols):    freqs = dok_matrix((1000,1000))    for row, col in zip(rows,cols):         i = freqs.get((row,col),0)         freqs.update({(row,col):i+1})    return freqs

跳过

get

，然后开始

         freqs.update({(row,col): 1)

甚至更快-比defaultdict示例的defaultdict更快，几乎与简单的字典初始化（

{(r, c):1 for r,c in zip(rows,cols)}

）一样快