如何遍历稀疏矩阵和法线矩阵的所有非零值

Question

我正在使用 Julia，我想迭代矩阵的值。该矩阵可以是普通矩阵或稀疏矩阵，但我对此一无所知。我想创建一个适用于这两种情况并针对这两种情况进行优化的代码。

为简单起见，我做了一个计算向量乘以随机值的总和的示例。我想做的其实和这个类似但是不是乘以一个随机数实际上是一个需要很长时间计算的函数

myiterator(m::SparseVector) = m.nzval
myiterator(m::AbstractVector) = m

function sumtimesrand(m)
   a = 0.
   for i in myiterator(m)
      a += i * rand()
   end
   return a
end


I = [1, 4, 3, 5]; V = [1, 2, -5, 3];
Msparse = sparsevec(I,V)
M = rand(5)
sumtimesrand(Msparse)
sumtimesrand(M)

我希望我的代码以这种方式工作。 IE。大多数代码是相同的，并且通过使用正确的迭代器，代码针对两种情况（稀疏向量和法向量）进行了优化。

我的问题是：是否有任何迭代器可以实现我想要实现的目标？在这种情况下，迭代器 returns 值，但索引上的迭代器可以工作。

干杯，迪伦

Answer 1

我想你几乎得到了你想要的东西？即，将您的 AbstractVector 和 SparseVector 更改为 AbstractArray 和 AbstractSparseArray。但也许我错过了什么？请参阅下面的 MWE：

using SparseArrays
using BenchmarkTools # to compare performance

# note the changes here to "Array":
myiterator(m::AbstractSparseArray) = m.nzval
myiterator(m::AbstractArray) = m

function sumtimesrand(m)
   a = 0.
   for i in myiterator(m)
      a += i * rand()
   end
   return a
end

N = 1000
spV = sprand(N, 0.01); V = Vector(spV)
spM = sprand(N, N, 0.01); M = Matrix(spM)

@btime sumtimesrand($spV); #  0.044936 μs
@btime sumtimesrand($V);   #  3.919    μs

@btime sumtimesrand($spM); # 0.041678 ms
@btime sumtimesrand($M);   # 4.095    ms

如何遍历稀疏矩阵和法线矩阵的所有非零值

How to iterate through all non zero values of a sparse matrix and normal matrix

iterator

sparse-matrix

julia