使用索引列表高效地填充 NumPy 数组

Question

我知道如何在 joblib 中执行并行循环，结果 returns 一个列表。

但是，是否可以并行填充预定义的 numpy 矩阵？

设想以下最小示例矩阵和数据：

column_data = ['a', 'b', 'c', 'd', 'e', 'f', 'x']
data = [['a', 'b', 'c'],
        ['d', 'c'],
        ['e', 'f', 'd', 'x']]
x = np.zeros((len(data), len(column_data))

请注意 column_data 已排序且唯一。 data是列表的列表，不是矩形矩阵。

循环：

for row in range(len(data)):
    for column in data[row]:
        x[row][column_data.index(column)] = 1

可以并行这个循环吗？在没有并行化的情况下填充 70,000 x 10,000 矩阵非常慢。

Answer 1

这是一个几乎矢量化的方法-

lens = [len(item) for item in data]    
A = np.concatenate((column_data,np.concatenate(data)))
_,idx = np.unique(A,return_inverse=True)

R = np.repeat(np.arange(len(lens)),lens)
C = idx[len(column_data):]

out = np.zeros((len(data), len(column_data)))    
out[R,C] = 1

这是另一个 -

lens = [len(item) for item in data]
R = np.repeat(np.arange(len(lens)),lens)
C = np.searchsorted(column_data,np.concatenate(data))

out = np.zeros((len(data), len(column_data)))
out[R,C] = 1

使用索引列表高效地填充 NumPy 数组

Efficiently filling NumPy array using lists of indices

python

parallel-processing

numpy

vectorization

joblib