企业社会责任矩阵构建缓慢
slow csr matrix construction
我正在使用 csr_matrix((data, indices, indptr), shape=[row, col]) 方法创建一个 csr 矩阵。执行构造方法 csr_matrix() 比自己构建 data, indices, indptr 花费的时间多 4 倍。既然我已经有了 (data, indices, indptr) 元组，那么构造一个 csr 矩阵难道不应该很简单（而且很快）吗？
我的代码和时间统计是这样的：
data = ... # 2.207s
indices = ... # 11.065s
indptr = ... # 0.047s
matrix = csr_matrix((data, indices, indptr), shape=(row, col)) # 57.806s
您传递的数组似乎很大，因此它们可能被复制到了某个地方，由此产生的内存问题导致了速度下降。
有几种方法可以复制您的数组。如果这些条件中的任何一个不成立，您将获得副本：
indices 和 indptr 需要具有适当的索引数据类型。- 三个都必须是numpy数组(
numpy.ndarray)
copy kwarg 需要是 False。默认情况下它是错误的，所以这不太可能是问题。
我正在使用 csr_matrix((data, indices, indptr), shape=[row, col]) 方法创建一个 csr 矩阵。执行构造方法 csr_matrix() 比自己构建 data, indices, indptr 花费的时间多 4 倍。既然我已经有了 (data, indices, indptr) 元组，那么构造一个 csr 矩阵难道不应该很简单（而且很快）吗？
我的代码和时间统计是这样的：
data = ... # 2.207s
indices = ... # 11.065s
indptr = ... # 0.047s
matrix = csr_matrix((data, indices, indptr), shape=(row, col)) # 57.806s
您传递的数组似乎很大，因此它们可能被复制到了某个地方，由此产生的内存问题导致了速度下降。
有几种方法可以复制您的数组。如果这些条件中的任何一个不成立，您将获得副本：
indices和indptr需要具有适当的索引数据类型。- 三个都必须是numpy数组(
numpy.ndarray) copykwarg 需要是False。默认情况下它是错误的，所以这不太可能是问题。