在 python 中为大型 scipy.sparse 矩阵运算分配内存

Question

有没有办法为 scipy 稀疏矩阵函数分配内存来处理大型数据集？

具体来说，我正在尝试使用非对称最小二乘平滑（转换为 python and the original here）对大型质谱数据集（长度约为 60,000）执行基线校正。

该函数（见下文）使用 scipy.sparse 矩阵运算。

def baseline_als(y, lam, p, niter):
  L = len(y)
  D = sparse.csc_matrix(np.diff(np.eye(L), 2))
  w = np.ones(L)
  for i in xrange(niter):
    W = sparse.spdiags(w, 0, L, L)
    Z = W + lam * D.dot(D.transpose())
    z = spsolve(Z, w*y)
    w = p * (y > z) + (1-p) * (y < z)
  return z

当我传递长度为 10,000 或更少的数据集时没有问题：

baseline_als(np.ones(10000),100,0.1,10)

但是当传递更大的数据集时，例如

baseline_als(np.ones(50000), 100, 0.1, 10)

我得到一个 MemoryError，对于行

  D = sparse.csc_matrix(np.diff(np.eye(L), 2))

Answer 1

尝试改变

D = sparse.csc_matrix(np.diff(np.eye(L), 2))

到

diag = np.ones(L - 2)
D = sparse.spdiags([diag, -2*diag, diag], [0, -1, -2], L, L-2)

D 将是 DIA 角形格式的稀疏矩阵。如果事实证明 CSC 格式很重要，请使用 tocsc() 方法转换它：

D = sparse.spdiags([diag, -2*diag, diag], [0, -1, -2], L, L-2).tocsc()

下例说明新旧版本生成相同的矩阵：

In [67]: from scipy import sparse

In [68]: L = 8

原文：

In [69]: D = sparse.csc_matrix(np.diff(np.eye(L), 2))

In [70]: D.A
Out[70]: 
array([[ 1.,  0.,  0.,  0.,  0.,  0.],
       [-2.,  1.,  0.,  0.,  0.,  0.],
       [ 1., -2.,  1.,  0.,  0.,  0.],
       [ 0.,  1., -2.,  1.,  0.,  0.],
       [ 0.,  0.,  1., -2.,  1.,  0.],
       [ 0.,  0.,  0.,  1., -2.,  1.],
       [ 0.,  0.,  0.,  0.,  1., -2.],
       [ 0.,  0.,  0.,  0.,  0.,  1.]])

新版本：

In [71]: diag = np.ones(L - 2)

In [72]: D = sparse.spdiags([diag, -2*diag, diag], [0, -1, -2], L, L-2)

In [73]: D.A
Out[73]: 
array([[ 1.,  0.,  0.,  0.,  0.,  0.],
       [-2.,  1.,  0.,  0.,  0.,  0.],
       [ 1., -2.,  1.,  0.,  0.,  0.],
       [ 0.,  1., -2.,  1.,  0.,  0.],
       [ 0.,  0.,  1., -2.,  1.,  0.],
       [ 0.,  0.,  0.,  1., -2.,  1.],
       [ 0.,  0.,  0.,  0.,  1., -2.],
       [ 0.,  0.,  0.,  0.,  0.,  1.]])

在 python 中为大型 scipy.sparse 矩阵运算分配内存

allocate memory in python for large scipy.sparse matrix operations

python

memory

scipy

ipython

sparse-matrix