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