Python使用稀疏矩陣節(jié)省內(nèi)存實(shí)例
推薦系統(tǒng)中經(jīng)常需要處理類似user_id, item_id, rating這樣的數(shù)據(jù)，其實(shí)就是數(shù)學(xué)里面的稀疏矩陣，scipy中提供了sparse模塊來(lái)解決這個(gè)問(wèn)題，但scipy.sparse有很多問(wèn)題不太合用：
1、不能很好的同時(shí)支持data[i, ...]、data[..., j]、data[i, j]快速切片；
2、由于數(shù)據(jù)保存在內(nèi)存中，不能很好的支持海量數(shù)據(jù)處理。
要支持data[i, ...]、data[..., j]的快速切片，需要i或者j的數(shù)據(jù)集中存儲(chǔ)；同時(shí)，為了保存海量的數(shù)據(jù)，也需要把數(shù)據(jù)的一部分放在硬盤上，用內(nèi)存做buffer。這里的解決方案比較簡(jiǎn)單，用一個(gè)類Dict的東西來(lái)存儲(chǔ)數(shù)據(jù)，對(duì)于某個(gè)i（比如9527），它的數(shù)據(jù)保存在dict['i9527']里面，同樣的，對(duì)于某個(gè)j（比如3306），它的全部數(shù)據(jù)保存在dict['j3306']里面，需要取出data[9527, ...]的時(shí)候，只要取出dict['i9527']即可，dict['i9527']原本是一個(gè)dict對(duì)象，儲(chǔ)存某個(gè)j對(duì)應(yīng)的值，為了節(jié)省內(nèi)存空間，我們把這個(gè)dict以二進(jìn)制字符串形式存儲(chǔ)，直接上代碼：
'''
Sparse Matrix
'''
import struct
import numpy as np
import bsddb
from cStringIO import StringIO
class DictMatrix():
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:
raise IndexError('invalid index')
ik = ('i%d' % i)
# 為了節(jié)省內(nèi)存，我們把j, value打包成字二進(jìn)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:
raise IndexError('invalid index')
if (isinstance(i, int)):
ik = ('i%d' % i)
if not self._data.has_key(ik): return self._dft
ret = dict(np.fromstring(self._data[ik], dtype = 'i4,f4'))
if (isinstance(j, int)): return ret.get(j, self._dft)
if (isinstance(j, int)):
jk = ('j%d' % j)
if not self._data.has_key(jk): return self._dft
ret = dict(np.fromstring(self._data[jk], dtype = 'i4,f4'))
return ret
def __len__(self):
return self._nums
def __iter__(
測(cè)試代碼：
import timeit
timeit.Timer('foo = __main__.data[9527, ...]', 'import __main__').timeit(number = 1000)
消耗1.4788秒，大概讀取一條數(shù)據(jù)1.5ms。
采用類Dict來(lái)存儲(chǔ)數(shù)據(jù)的另一個(gè)好處是你可以隨便用內(nèi)存Dict或者其他任何形式的DBM，甚至傳說(shuō)中的Tokyo Cabinet….
好了，碼完收工。
相關(guān)文章
Python畫柱狀統(tǒng)計(jì)圖操作示例【基于matplotlib庫(kù)】
這篇文章主要介紹了Python畫柱狀統(tǒng)計(jì)圖操作,結(jié)合實(shí)例形式分析了Python基于matplotlib庫(kù)實(shí)現(xiàn)圖形繪制的相關(guān)操作技巧,需要的朋友可以參考下2018-07-07
今天小編就為大家分享一篇在PyCharm中實(shí)現(xiàn)添加快捷模塊，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02
Python 利用scrapy爬蟲(chóng)通過(guò)短短50行代碼下載整站短視頻
近日，有朋友向我求助一件小事兒，他在一個(gè)短視頻app上看到一個(gè)好玩兒的段子，想下載下來(lái)，可死活找不到下載的方法。經(jīng)過(guò)我的一番研究才找到解決方法，下面小編給大家分享Python 利用scrapy爬蟲(chóng)通過(guò)短短50行代碼下載整站短視頻的方法，感興趣的朋友一起看看吧2018-10-10
在pandas中遍歷DataFrame行的實(shí)現(xiàn)方法
這篇文章主要介紹了在pandas中遍歷DataFrame行的實(shí)現(xiàn)方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10
python用pyinstaller封裝exe雙擊后瘋狂閃退解決辦法
本文主要介紹了python用pyinstaller封裝exe雙擊后瘋狂閃退解決辦法，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-11-11
python argparse 模塊命令行參數(shù)用法及說(shuō)明
這篇文章主要介紹了python argparse 模塊命令行參數(shù)用法及說(shuō)明，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-11-11
今天小編就為大家分享一篇python中使用psutil查看內(nèi)存占用的情況，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-06-06
pytorch如何獲得模型的計(jì)算量和參數(shù)量
這篇文章主要介紹了pytorch如何獲得模型的計(jì)算量和參數(shù)量操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05
Django 實(shí)現(xiàn)jwt認(rèn)證的示例
這篇文章主要介紹了Django 實(shí)現(xiàn)jwt 認(rèn)證的示例，幫助大家更好的理解和學(xué)習(xí)使用django，感興趣的朋友可以了解下2021-04-04
這篇文章主要為大家詳細(xì)介紹了Python使用Pygame繪制時(shí)鐘，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2020-11-11