如何在Python中高效地创建和处理4D稀疏矩阵

我有一个4D形状的稀疏矩阵（21x21x21x21）。只有一个元素将被设置为1。之后，我将向量化这个矩阵并确定非零行。整个过程大约需要6分钟来计算，这太长了。有没有一种方法可以在Python中有效地实现这一点

sparseMatrix = np.zeros((21,21,21,21), dtype = np.int8)
#w,x,y,z can be any random integer from 0 to 20.
w = 3
x = 5
y = 18
z = 16
sparseMatrix[w, x, y, z] = 1
sparseMatrix_vec = np.reshape(sparseMatrix, [-1,1])
sparseMatrix_vec_index = np.nonzero(sparseMatrix_vec)[0][0]

如果需要（w，x，y，z）形成一个唯一的整数，其中（w，x，y，z）中的每一个都可以在0到20之间变化，那么只需使用基数21表示。您要查找的整数是：

N=w*（21**0）+x*（21**1）+y*（21**2）+z*（21**3）

---

给定一个整数，您可以使用整数除法和模返回到（w，x，y，z）。

在您的项目中，您确定最终总是得到一个包含单个1的21x21x21稀疏矩阵吗？如果是这种情况，我认为您应该简单地更改数据表示形式。只需使用获取数据的过程对1的位置进行编码即可。@ma3oun，谢谢您的回复。你能举个例子说明你是如何编码的吗？是的，我将始终以21x21x21x21稀疏矩阵结束。您还可以使用tensorflow表示稀疏数据。Tensorflow支持稀疏张量，可以更有效地处理这些张量。更多信息：你的稀疏矩阵是如何生成的？我需要知道这一点，然后才能建议一种编码方法。

np.ravel_多_索引（[w，x，y，z]，[21,21,21,21]）

在不构建数组的情况下给出相同的索引。