时间戳

首页 > 解决方案 > 在python中将数字存储在多维（稀疏）数组中的最佳方法

python - 在python中将数字存储在多维（稀疏）数组中的最佳方法

问题描述

当问题是对称的以至于只需要计算一些数字时，什么是 N 维计算的最佳容器对象？

具体来说，对于 N=4 我有：

M=50
results = np.zeros((M,M,M,M))

for ii in range(M):
   for jj in range(ii,M):
       for kk in range(jj,M):
          for ll in range(kk, M):
              res=1 #really some calculation
              results[ii,jj,kk,ll] = res

此数组中的许多元素是完全冗余的，甚至无法访问。对于更高的 N 更是如此（我想达到 N=10 或理想情况下 N=15）。

对于这样的问题、字典或稀疏矩阵，在每个步骤中使用列表和追加是否更好？我尝试了一个稀疏矩阵，但它一直警告我不应该经常更改稀疏矩阵中的元素，所以这可能不是一个好主意。

我需要保留的唯一功能是找到最大值（最好沿着每个维度）。

任何见解将不胜感激！

标签： pythonnumpyscipy

解决方案

矩阵的“密度”将是1 / D**2，其中D是维数 - 因此您可以看到空间中的收益是指数的，而与列表或密集矩阵相比的性能损失是恒定的。

因此，当维数很高时，稀疏矩阵将在使用空间方面提供巨大优势，并且它们仍然比列表更快。如果维数少，稠密矩阵会稍微大一点，但也只是稍微快一点（这里稍微快一点：快几倍，但由于总执行时间很小，所以绝对差异仍然很小）。

总的来说，除非维数是固定的，否则坚持使用稀疏矩阵更有意义。但是，如果D是固定的，最好只针对这种特定情况进行基准测试。

推荐阅读