在大矩阵中打乱下三角

如何解决在大矩阵中打乱下三角

我有一个大的、稀疏的邻接矩阵 (64948 x 64948)，它在对角线上对称。我需要做的是随机化矩阵的上三角或下三角中非零元素的位置（然后将被转置。）我有下面的代码。它适用于 10x10 矩阵，但不适用于 64948x64948（我在集群上遇到内存错误）。我意识到我的方法可能存在缺陷，如果有人对我如何以更有效的方式执行此操作有任何见解，我将不胜感激！

首先，我创建了“掩码”，它本质上是下三角形中每个位置的数组。

mask_mtx = np.ones([10,10]) #all ones
mask_mtx = np.tril(mask_mtx,-1) #lower triangle ones
mask_mtx = sparse.csr_matrix(mask_mtx)
mask = sparse.find(mask_mtx) #indices of ones
np.save('struc_conn_mat_mask.npy',mask) #cluster fails here when n=64948. I'm trying to save it out from a cluster so I can use the mask on my local machine with code below
len_mask = len(mask[0]) #how many indices there are

出于本示例的目的，我将 mtx 创建为数组，但通常我会读取 65k x 65k csr_matrix。然后我找到 mtx 下三角形中非零元素的数量，并从掩码中随机选择许多位置。然后我将 1s 放在空的 tmp_mtx 中的这些位置。最后，我将下三角转换为上三角。

mtx = sparse.random(10,10,format='csr',density=0.1) #for the purposes of this example,create random matrix
lmtx = sparse.tril(mtx,-1,format='csr') #lower triangle
tmp_mtx = np.zeros((10,10)) #empty lower triangle to set
lvals = sparse.csr_matrix.count_nonzero(lmtx) #how many 1s in lmtx?
coordinate_indices = random.sample(range(len_mask),lvals) #choose n=lvals random indices to fill with ones
for idx in coordinate_indices:
    tmp_mtx[mask[0][idx]][mask[1][idx]] = 1 #at randomly chosen index from mask,put a 1
tmp_mtx = sparse.csr_matrix(tmp_mtx)
mtx = tmp_mtx + tmp_mtx.T #transpose to upper triangle

同样，这适用于 10x10 矩阵，但在具有较大矩阵的几个地方失败。最终，我想做的是一个看似简单的操作——将三角形洗牌——但我想不出如何以更有效的方式进行。也许有一些方法可以对列和行进行改组（但仅针对其中一个三角形？）

任何帮助都会如此，非常感谢！谢谢。