numpyのゼロ

Question

私はnumpyののうち、最大のパフォーマンスを取得しようとしているし、それ例えば にゼロをたくさん持って配列してドット積を計算するためのより良い方法があった場合には思っていた

：

a = np.array([[0, 3, 0], [1, 0, 1]]) 
print a.dot([1, 2, 5]) 

これは小さな例ですが、配列のどの場所にも80％のゼロを付け加えることができたはるかに大きなスケールの配列があった場合、私の質問は、ドットプロダクトを計算する際に、非常に多くのゼロがありますか？私は、指定されたスパースランダムスパース行列を定義

Answer 1

In [269]: from scipy import sparse 
In [270]: M=sparse.random(1000,1000,.1, 'csr') 
In [271]: MA = M.A 
In [272]: timeit M*M.T 
10 loops, best of 3: 64 ms per loop 
In [273]: timeit MA@MA.T 
10 loops, best of 3: 60.4 ms per loop 

、10％：

In [274]: M 
Out[274]: 
<1000x1000 sparse matrix of type '<class 'numpy.float64'>' 
    with 100000 stored elements in Compressed Sparse Row format> 
In [275]: np.allclose(MA@MA.T, (M*M.T).A) 
Out[275]: True 

@はdotのオペレータフォーム（np.matmulを参照します）。したがって、この10％レベルの希少性では、2つのアプローチは同じ時間になります（スパースとの変換はありません）。このランダム行列について

、M*M.T結果は緻密である：

In [282]: (M*M.T) 
Out[282]: 
<1000x1000 sparse matrix of type '<class 'numpy.float64'>' 
    with 999964 stored elements in Compressed Sparse Row format> 

---

スパース時間が疎に大きく依存します。密な時間が全くない

In [295]: M=sparse.random(1000,1000,.01, 'csr'); MA=M.A 
In [296]: timeit M*M.T 
100 loops, best of 3: 2.44 ms per loop 
In [297]: timeit MA@MA.T 
10 loops, best of 3: 56.3 ms per loop 
In [298]: M=sparse.random(1000,1000,.2, 'csr'); MA=M.A 
In [299]: timeit M*M.T 
10 loops, best of 3: 175 ms per loop 
In [300]: timeit MA@MA.T 
10 loops, best of 3: 56.3 ms per loop 

---

スパースへの往復で、バック、時間が多分速くなりスパース行列を使用して60から100ミリ秒

In [302]: %%timeit 
    ...: M1=sparse.csr_matrix(MA) 
    ...: (M1*M1.T).A 
    ...: 
10 loops, best of 3: 104 ms per loop