如何解决提高在 2-D numpy 数组中查找最小元素的速度,该数组的许多条目设置为 np.inf
我有一个 16000*16000 的矩阵,想找到最小条目。这个矩阵是一个距离矩阵,所以它关于对角线对称。为了每次都得到一个最小值,我将下三角形和对角线设置为 np.inf
。下面是一个 5*5 矩阵示例:
inf a0 a1 a2 a3
inf inf a4 a5 a6
inf inf inf a7 a8
inf inf inf inf a9
inf inf inf inf inf
我只想在上三角形中找到最小条目的索引。但是,当我使用 np.argmin()
时,它仍然会遍历整个矩阵。有什么办法可以“忽略”下三角,提高速度?
我尝试了很多方法,例如:
- 使用掩码数组
- 使用
triu_indices()
提取上三角,然后找到最小值 - 将下三角和对角线中的条目设置为
None
而不是np.inf
,然后使用np.nanargmin()
找到最小值
然而,我尝试的所有方法都比直接使用 np.argmin()
慢。
感谢您的宝贵时间,如果您能帮助我,我将不胜感激。
更新 1:我的问题的一些背景
事实上,我正在从头开始实施凝聚聚类的修改版本。原始数据集是 16000*64(我有 16000 个点,每个点都是 64 维的)。一开始,我建立了 16000 个集群,每个集群只包含一个点。在每次迭代中,我找到最近的 2 个簇并合并它们,直到满足终止条件。
为了避免重复计算距离,我将距离存储在一个 16000*16000 的距离矩阵中。我将对角线和下三角形设置为 np.inf
。在每次迭代中,我会在距离矩阵中找到最小的条目,并且该条目的索引对应于 2 个最近的集群,比如 c_i
和 c_j
。之后,在距离矩阵中,我将c_i
和c_j
对应的2行2列填充到np.inf中,这意味着这2个簇合并了,不再存在。然后我会计算一个新簇和所有其他簇之间距离的数组,然后把这个数组放在c_i
对应的1行1列中。
让我说清楚:在整个过程中,距离矩阵的大小永远不会改变。在每次迭代中,对于 2 行 2 列对应于我找到的 2 个最近的集群,我用 np.inf
填充 1 行 1 列并将新集群的距离数组放在其他 1 行 1 列.
现在性能的瓶颈是在距离矩阵中找到最小的条目,需要 0.008s。整个算法的运行时间约为40分钟。
更新 2:我如何计算距离矩阵
下面是我用来生成距离矩阵的代码:
from sklearn.metrics import pairwise_distances
dis_matrix = pairwise_distances(dataset)
for i in range(num_dim):
for j in range(num_dim):
if i >= j or (cluster_list[i].contain_reference_point and cluster_list[j].contain_reference_point):
dis_matrix[i][j] = np.inf
尽管如此,我需要说生成距离矩阵现在不是算法的瓶颈,因为我只生成了一次,然后我只是更新了距离矩阵(如上所述)。
解决方法
如果我们备份一个步骤,假设距离矩阵是对称的,并且基于一个 (i,n)
形状的数组,在 i
维上有 n
个点,并且距离度量是笛卡尔,这可以使用 KDTree
数据结构非常有效地完成:
i = 16000
n = 3
points = np.random.rand(i,n) * 100
from scipy.spatial import cKDTree
tree = cKDTree(points)
close = tree.sparse_distance_matrix(tree,max_distance = 1,#can tune for your application
output_type = "coo_matrix")
close.eliminate_zeros()
ix = close.data.argmin()
i,j = (close.row[ix],close.col[ix])
这非常快,但它是否对您有用取决于您的应用程序和距离度量。
如果你根本不需要距离矩阵(只需要索引),你可以这样做:
d,ix = tree.query(points,2)
j,i = ix[d[:,1].argmin()]
编辑:这不适用于高维数据。由于您面临维度的诅咒,因此您可能需要使用蛮力。我为此推荐scipy.spatial.distance.pdist
:
from scipy.spatial.distance import pdist
D = pdist(points,metric = 'seuclidean') # this only returns the upper diagonal
ix = np.argmin(D)
def ix_to_ij(ix,n):
sorter = np.arange(n-1)[::-1].cumsum()
j = np.searchsorted(sorter,ix)
i = ix - sorter[j]
return i,j
ix_to_ij(ix,16000)
没有完全测试,但我认为应该可以。
,我能想到的一件事可能是使用numba.njit
:
@njit
def upper_min(m):
x = np.inf
for r in range(0,m.shape[0] - 1):
for c in range(r + 1,m.shape[1] + 1):
if x < m[r,c]:
x = m[r,c]
第一次运行时一定不要计时。编译很慢。
另一种方法可能是以某种方式使用稀疏矩阵。
,可以通过屏蔽选择数组的上三角,简单例子:
import numpy as np
arr = np.array([[0,1],[2,3]])
# Mask of upper triangle
mask = np.array([[True,True],[False,True]])
# Masking returns only upper triangle as 1D array
min_val = np.min(arr[mask]) # Equal to np.min([0,1,3])
因此,不是将下三角形制作为 inf
,您必须生成一个遮罩,其中下三角形为 False
,上三角形为 True
并应用遮罩 arr[mask]
返回上三角形的一维数组,然后应用 min
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。