通过 CSR 矩阵的最快方法答案

【问题标题】：Fastest way to go through a CSR matrix通过 CSR 矩阵的最快方法
【发布时间】：2016-10-08 16:55:46
【问题描述】：

我有这个代码：

from itertools import product    
from numpy import zeros
Ysys = zeros((2*n_bus, 2*n_bus))
for a, b in product(range(n_bus), range(n_bus)):
    Ysys[2*a, 2*b] = Yseries[a, b].real
    Ysys[2*a, 2*b+1] = -Yseries[a, b].imag
    Ysys[2*a+1, 2*b] = Yseries[a, b].imag
    Ysys[2*a+1, 2*b+1] = Yseries[a, b].real

Yseries 是一个由n_bus 乘以n_bus 维度的稀疏方阵，其中包含复数。本质上，我想将复杂矩阵“分解”为浮点矩阵。

我的 for 循环效率低下，因为我应该提前知道每个数据条目的行、列坐标。理想情况下，a 是一个包含每个条目的所有行坐标的数组，b 应该是一个包含每个条目的所有列坐标的数组。

我的问题是我不理解我的 CSR matrx Yseries 中包含的数组 indices 和 indptr。

不管我说了什么，我都非常感谢有关如何矢量化 for 循环的指示。

【问题讨论】：

标签： scipy sparse-matrix

【解决方案1】：

我通过将矩阵传递给COO稀疏类型来解决它：

m = Yseries.tocoo()
a = m.row
b = m.col
Ysys[2 * a, 2 * b] = m.data.real
Ysys[2 * a, 2 * b + 1] = -m.data.imag
Ysys[2 * a + 1, 2 * b] = m.data.imag
Ysys[2 * a + 1, 2 * b + 1] = m.data.real

测量执行时间后，维度 = 30 我得到：

For 循环（原始问题）：0.06154400000000004 秒
矢量化（此答案）：0.00011099999999997223 秒

【讨论】：