在 python 中存储大型对称稀疏矩阵的最有效方法答案

【问题标题】：The most efficient way to store large symmetric sparse matrices in python在 python 中存储大型对称稀疏矩阵的最有效方法
【发布时间】：2011-11-05 17:29:27
【问题描述】：

我正在起草/测试我设计的一种技术，用于解决速度和效率的微分方程。

这将需要存储、操作、调整大小，并且（在某些时候）可能对非常大的稀疏矩阵进行对角化。我希望能够有由零和几个（比如

我认为拥有 gpu 加速会很有用——所以任何关于利用它的最佳方式的建议也将不胜感激（比如 pycuda、theano 等）

【问题讨论】：

矩阵有多大？你调查过 numpy 吗？
或试试scipy.sparse?
我期待这样的事情：stackoverflow.com/questions/1053928/…
我用过 numpy 和一点 scipy。我主要想检查这些确实是最具可扩展性的选项 - 以及有关使用 gpu 的任何提示。

标签： python matrix numpy sparse-matrix

【解决方案1】：

对称稀疏矩阵最有效的存储方法可能是sparse skyline format（例如，这是英特尔 MKL 使用的方法）。 AFAIK scipy.sparse 不包含稀疏的对称矩阵格式。 Pysparse，然而，does。使用 Pysparse，您可以使用链接列表格式增量构建矩阵，然后将矩阵转换为稀疏天际线格式。在性能方面，我通常发现 Pysparse 在大型稀疏系统和所有基本构建块（矩阵乘积、特征值求解器、直接求解器、迭代求解器）上都优于 scipy，尽管例程的范围可能会小一些比 scipy 中可用的。

【讨论】：

【解决方案2】：

您可以使用字典和元组来访问数据：

>>> size = (4,4)
>>> mat = {}
>>> mat[0,1] = 3
>>> mat[2,3] = 5
>>> for i in range(size[0]):
        for j in range(size[1]):
            print mat.get((i,j), 0) ,
        print

0 3 0 0
0 0 0 0
0 0 0 5
0 0 0 0

当然你应该为此创建一个类并添加你需要的方法：

class Sparse(dict):
    pass

顺便说一句，您也可以使用 scipy 库中的 scipy.sparse

【讨论】：

好的，如果这样最有效，那就这样吧。谢谢，我主要是想检查晦涩的答案。
我会再给这个问题一个小时左右，看看是否会弹出任何其他答案，然后我会将其标记为已解决。谢谢。
@Feynman 稀疏矩阵类应该覆盖__getitem__ 方法，以便在没有数据时返回零
感谢您的提示。我对python还是很陌生。我一定会覆盖 getitem 方法。我想我会将 Sparse 类基于 scipy sparse 类并修改一些内置的东西。

【解决方案3】：

使用scipy.sparse。

【讨论】：