这篇文章主要介绍了Python使用稀疏矩阵节省内存实例,矩阵中非零元素的个数远远小于矩阵元素的总数，并且非零元素的分布没有规律，则称该矩阵为稀疏矩阵,需要的朋友可以参考下。
推荐系统中经常需要处理类似user_id,item_id,rating这样的数据，其实就是数学里面的稀疏矩阵，scipy中提供了sparse模块来解决这个问题，但scipy.sparse有很多问题不太合用：
1、不能很好的同时支持data[i,...]、data[...,j]、data[i,j]快速切片；
2、由于数据保存在内存中，不能很好的支持海量数据处理。
要支持data[i,...]、data[...,j]的快速切片，需要i或者j的数据集中存储；同时，为了保存海量的数据，也需要把数据的一部分放在硬盘上，用内存做buffer。这里的解决方案比较简单，用一个类Dict的东西来存储数据，对于某个i（比如9527），它的数据保存在dict['i9527']里面，同样的，对于某个j（比如3306），它的全部数据保存在dict['j3306']里面，需要取出data[9527,...]的时候，只要取出dict['i9527']即可，dict['i9527']原本是一个dict对象，储存某个j对应的值，为了节省内存空间，我们把这个dict以二进制字符串形式存储，直接上代码：
代码如下:
'''
SparseMatrix
'''
importstruct
importnumpyasnp
importbsddb
fromcStringIOimportStringIO
classDictMatrix():
def__init__(self,container={},dft=0.0):
self._data=container
self._dft=dft
self._nums=0
def__setitem__(self,index,value):
try:
i,j=index
except:
raiseIndexError('invalidindex')
ik=('i%d'%i)
#为了节省内存，我们把j,value打包成字二进制字符串
ib=struct.pack('if',j,value)
jk=('j%d'%j)
jb=struct.pack('if',i,value)
try:
self._data[ik]+=ib
except:
self._data[ik]=ib
try:
self._data[jk]+=jb
except:
self._data[jk]=jb
self._nums+=1
def__getitem__(self,index):
try:
i,j=index
except:
raiseIndexError('invalidindex')
if(isinstance(i,int)):
ik=('i%d'%i)
ifnotself._data.has_key(ik):returnself._dft
ret=dict(np.fromstring(self._data[ik],dtype='i4,f4'))
if(isinstance(j,int)):returnret.get(j,self._dft)
if(isinstance(j,int)):
jk=('j%d'%j)
ifnotself._data.has_key(jk):returnself._dft
ret=dict(np.fromstring(self._data[jk],dtype='i4,f4'))
returnret
def__len__(self):
returnself._nums
def__iter__(
测试代码：
代码如下:
importtimeit
timeit.Timer('foo=__main__.data[9527,...]','import__main__').timeit(number=1000)
消耗1.4788秒，大概读取一条数据1.5ms。
更多信息请查看IT技术专栏
