用于操作非常大的矩阵的 Python 库答案

【问题标题】：Python library for manipulating very large matrices用于操作非常大的矩阵的 Python 库
【发布时间】：2014-06-11 11:30:02
【问题描述】：

有什么好的 Python 库可以处理非常大的矩阵（例如数百万行/列），包括在矩阵生命周期的任何阶段添加行或列的能力？

我查看了pytables 和h5py，但它们都不支持在创建矩阵后添加或删除行或列。

我能找到的唯一其他东西是these questions 中提到的 numpy/scipy 中的稀疏矩阵功能。然而，添加/删除行和列的能力似乎是可能的，但官方不支持并且有点 hacky，所以我担心使用真实数据集的性能会很糟糕。此外，它包括几种不同的稀疏矩阵实现，所以我很困惑哪一个最好（例如 lil_matrix vs csc_matrix vs csr_matrix）。

【问题讨论】：

标签： python numpy matrix scipy large-data

【解决方案1】：

如果您的矩阵是稀疏的，您可以添加或删除行或列，而无需使用scipy.sparse。如果您想删除列（进行列切片），您应该选择csc_matrix，而csr_matrix 应该用于有效的行切片。通常使用coo_matrix 类型创建稀疏矩阵很方便，您可以在其中为每个非零条目指定row、col 和data：

m = coo_matrix((data, (row, col)), shape=(nrow, ncol))
m = m.to_csr()[rows_to_keep, :]
m = m.to_csc()[:, cols_to_keep]

rows_to_keep 可以是一个列表或一维数组，其中包含要保留的索引。

如果您需要一个密集矩阵，您也许可以使用numpy.memmap() 数组。要创建一个，您可以这样做：

a = np.memmap('test.memmap', dtype='float64', mode='w+', shape=(1000, 1000))
a.fill(100.)

要阅读你可以做的：

a = np.memmap('a.memmap', dtype='float64', mode='r+', shape=(1000, 1000))

如果要删除或添加行和列，则必须创建第二个 memmap 数组，然后从原始数组中分配所需的列：

b = np.memmap('b.memmap', dtype='float64', mode='w+', shape=(3, 1000))
b = a[[0, 99, 199], :]

这将在b 中保存a 的第一行、第100 行和第200 行以及所有列。

【讨论】：

谢谢，但我收到了TypeError: 'coo_matrix' object does not support indexing。对我来说，任何矩阵类型都无法被索引似乎很奇怪，因为这是矩阵的全部目的......我假设在 scipy 文档中对此进行了解释，但 docs.scipy.org 在过去几天一直处于离线状态。
@Cerin 是的，您必须在使用to_csr() 或to_csc() 之前进行转换，然后索引应该可以工作...
@Cerin 我相信coo_matrix 的目的是提供一种稀疏矩阵，它易于填充和快速转换为其他类型（例如csr_matrix 或csc_matrix )