Python 更改矩阵中一个元素的数据类型

我希望实现一个大型矩阵列表的硬件高效乘法（大约200000 x 200000）。这些矩阵非常接近于单位矩阵，但有些元素变为无理数

为了减少内存占用并加快计算速度，我希望将标识的0和1存储为单字节，如下所示

import numpy as np
size = 200000
large_matrix = np.identity(size, dtype=uint8)

只需将一些元素更改为不同的数据类型

import sympy as sp

# sympy object
irr1 = sp.sqrt(2)    

# float
irr2 = e               

large_matrix[123456, 100456] = irr1
large_matirx[100456, 123456] = irr2

是否可以仅保存具有不同数据类型的矩阵的这些元素，而所有其他元素仍然是字节？我不想因为我需要一个元素作为浮点，就必须把所有的东西都改成浮点

-----编辑-----

---

如果在numpy中不可能，那么如何找到没有numpy的解决方案？

根据定义，numpy数组只有一个数据类型。您可以在NumPy文档中看到：

A numpy array is homogeneous, and contains elements described by a dtype object. A dtype object can be constructed from different combinations of fundamental numeric types.

---

进一步阅读：

根据定义，NumPy数组只有一个数据类型。您可以在NumPy文档中看到：

A numpy array is homogeneous, and contains elements described by a dtype object. A dtype object can be constructed from different combinations of fundamental numeric types.

---

进一步阅读：

也许你可以看看SciPy的。在这种情况下，SciPy将创建一个稀疏矩阵（针对如此大的空矩阵进行了优化），并使用其坐标格式，您可以根据需要访问和修改数据

根据其文件：

A numpy array is homogeneous, and contains elements described by a dtype object. A dtype object can be constructed from different combinations of fundamental numeric types.

>>来自scipy.sparse导入coo_矩阵
>>>#使用ijv格式构建矩阵
>>>row=np.array（[0,3,1,0]）
>>>col=np.array（[0,3,1,2]）
>>>data=np.array（[4,5,7,9]）
>>>m=coo_矩阵（（数据，（行，列）），形状=（4，4））
>>>托雷先生（）
数组（[[4,0,9,0]，
[0, 7, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 5]])

它不创建矩阵，而是创建一组带有值的坐标，这比仅用零填充矩阵占用的空间要小得多

>>来自sys import getsizeof
>>>getsizeof（m）
56
>>>getsizeof（m.toarray（））
176

也许你可以看看SciPy的。在这种情况下，SciPy将创建一个稀疏矩阵（针对如此大的空矩阵进行了优化），并使用其坐标格式，您可以根据需要访问和修改数据

根据其文件：

A numpy array is homogeneous, and contains elements described by a dtype object. A dtype object can be constructed from different combinations of fundamental numeric types.

>>来自scipy.sparse导入coo_矩阵
>>>#使用ijv格式构建矩阵
>>>row=np.array（[0,3,1,0]）
>>>col=np.array（[0,3,1,2]）
>>>data=np.array（[4,5,7,9]）
>>>m=coo_矩阵（（数据，（行，列）），形状=（4，4））
>>>托雷先生（）
数组（[[4,0,9,0]，
[0, 7, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 5]])

它不创建矩阵，而是创建一组带有值的坐标，这比仅用零填充矩阵占用的空间要小得多

>>来自sys import getsizeof
>>>getsizeof（m）
56
>>>getsizeof（m.toarray（））
176

Numpy数组不允许混合类型。这可以在Pandas（数据帧）和xarray（类似于numpy数组，类似于Pandas数据帧）中完成。另一种方法是对非整数数据应用比例因子（如果可以），然后将该值转换为整数。例如，如果只需要pi的前三位小数，则应用1000的比例因子并转换为int（插入值为3141）。混合类型不会加快计算速度

numpy

通过在编译代码中以相同的方式处理数组的所有元素来提高速度。使用

uint8

进行计算没有速度优势。现代处理器经过优化，可与

float64

和

int64

数字一起工作。任何混合数据类型的尝试都会减慢速度。Numpy数组不允许混合类型。这可以在Pandas（数据帧）和xarray（类似于numpy数组，类似于Pandas数据帧）中完成。另一种方法是对非整数数据应用比例因子（如果可以），然后将该值转换为整数。例如，如果只需要pi的前三位小数，则应用1000的比例因子并转换为int（插入值为3141）。混合类型不会加快计算速度

numpy

通过在编译代码中以相同的方式处理数组的所有元素来提高速度。使用

uint8

进行计算没有速度优势。现代处理器经过优化，可与

float64

和

int64

数字一起工作。任何混合数据类型的尝试都会减慢速度。OP特别询问了在数组中放置混合类型的问题。这如何允许混合类型？我不熟悉基于坐标的稀疏矩阵，但它似乎不允许混合数据类型。对于稀疏矩阵，它只创建坐标及其对应值的列表，而不实际创建任何数组。这样会忽略所有非零。我更新了我的答案，以便更好地说明将其转换为矩阵时的大小扩展。非零元素仍然必须具有相同的

dtype

，并且它可以用于计算的dtype更加受限（与密集数组相比）。速度不是很快，除了在足够稀疏的矩阵上进行矩阵乘法。OP特别询问了在数组中放置混合类型的问题。这如何允许混合类型？我不熟悉基于坐标的稀疏矩阵，但它似乎不允许混合数据类型。对于稀疏矩阵，它只创建坐标及其对应值的列表，而不实际创建任何数组。这样会忽略所有非零。我更新了我的答案，以便更好地说明将其转换为矩阵时的大小扩展。非零元素仍然必须具有相同的

dtype

，并且它可以用于计算的dtype更加受限（与密集数组相比）。速度不是很快，除了在足够稀疏的矩阵上进行矩阵乘法。