Python 用2d矩阵填充4D矩阵

我想知道是否有一个numpy函数可以让它更快。下面是我正在尝试做的一个例子

def _sparse_4D_rand_mat(self, x, y, density):
    _4D_mat = np.empty((x, y, x, y))
    for i in range(self.size):
        for j in range(self.size):
            _4D_mat[:,i,j,:] = self._rand_sparse(x, y, density)
    return _4D_mat
def _rand_sparse(self, m, n, density, format='csr'):
    nnz = max(min(int(m * n * density), m * n), 0)
    row = np.random.random_integers(low=0, high=m - 1, size=nnz)
    col = np.random.random_integers(low=0, high=n - 1, size=nnz)
    data = np.ones(nnz, dtype=float)
    data = np.random.dirichlet(data)
    return csr_matrix((data, (row, col)), shape=(m, n)).toarray()

谢谢你的贡献。

---

我是新来的；）

由于密度保持不变，因此不必多次调用

\u rand\u sparse

来生成许多小的稀疏2D数组，您可以调用

\u rand\u sparse

一次来生成一个大的稀疏2D数组，然后使用

重塑

方法将2D结果重塑为4D数组：

_4D_mat = _rand_sparse(x * y * x, y, density)
_4D_mat = _4D_mat.reshape((x, y, x, y))

比如说,

import numpy as np
import scipy.sparse as sparse

def _rand_sparse(m, n, density, format='csr'):
    nnz = max(min(int(m * n * density), m * n), 0)
    # use randint since random_integer is deprecated in NumPy 1.11.0
    row = np.random.randint(low=0, high=m, size=nnz)
    col = np.random.randint(low=0, high=n, size=nnz)
    data = np.ones(nnz, dtype=float)
    data = np.random.dirichlet(data)
    return sparse.csr_matrix((data, (row, col)), shape=(m, n)).toarray()

def orig(x, y, density):
    _4D_mat = np.empty((x, y, x, y))
    for i in range(y):
        for j in range(x):
            _4D_mat[:, i, j, :] = _rand_sparse(x, y, density)
    return _4D_mat

def alt(x, y, density):
    _4D_mat = _rand_sparse(x * y * x, y, density)
    _4D_mat = _4D_mat.reshape((x, y, x, y))
    return _4D_mat

x, y, density = 2, 4, 0.5

由于

alt

消除了双for循环，因此当

x

和

y

的值增大时（即，for循环中的迭代次数增大时），此解决方案将比

orig

快得多。事实上，即使对于上面使用的较小值，

alt

也比

orig

快（几乎8倍）：

In [108]: %timeit orig(x, y, density)
100 loops, best of 3: 2.24 ms per loop

In [109]: %timeit alt(x, y, density)
1000 loops, best of 3: 281 µs per loop

---

我需要4D数组中每个2D数组的和为1

要规范化适当的切片，可以使用：

totals = np.nansum(_4D_mat, axis=0, keepdims=True)
totals = np.nansum(totals, axis=3, keepdims=True)
_4D_mat /= totals

---

self.\u rand\u sparse

和

\u 4D\u mat

的数据类型是什么？两者都是numpy.matrixOh wait

\u rand\u sparse

看起来像一个函数。因此，为了加快速度，更应该看到它的实现。第一个函数x，y，density都保持不变抱歉，我忘了提到我需要4D数组中每个2D数组的和为1。