Python使用稀疏矩阵节省内存实例
推荐系统中经常需要处理类似user_id,item_id,rating这样的数据，其实就是数学里面的稀疏矩阵，scipy中提供了sparse模块来解决这个问题，但scipy.sparse有很多问题不太合用：
1、不能很好的同时支持data[i,...]、data[...,j]、data[i,j]快速切片；
2、由于数据保存在内存中，不能很好的支持海量数据处理。
要支持data[i,...]、data[...,j]的快速切片，需要i或者j的数据集中存储；同时，为了保存海量的数据，也需要把数据的一部分放在硬盘上，用内存做buffer。这里的解决方案比较简单，用一个类Dict的东西来存储数据，对于某个i（比如9527），它的数据保存在dict['i9527']里面，同样的，对于某个j（比如3306），它的全部数据保存在dict['j3306']里面，需要取出data[9527,...]的时候，只要取出dict['i9527']即可，dict['i9527']原本是一个dict对象，储存某个j对应的值，为了节省内存空间，我们把这个dict以二进制字符串形式存储，直接上代码：
''' SparseMatrix ''' importstruct importnumpyasnp importbsddb fromcStringIOimportStringIO classDictMatrix(): def__init__(self,container={},dft=0.0): self._data =container self._dft =dft self._nums =0 def__setitem__(self,index,value): try: i,j=index except: raiseIndexError('invalidindex') ik=('i%d'%i) #为了节省内存，我们把j,value打包成字二进制字符串 ib=struct.pack('if',j,value) jk=('j%d'%j) jb=struct.pack('if',i,value) try: self._data[ik]+=ib except: self._data[ik]=ib try: self._data[jk]+=jb except: self._data[jk]=jb self._nums+=1 def__getitem__(self,index): try: i,j=index except: raiseIndexError('invalidindex') if(isinstance(i,int)): ik=('i%d'%i) ifnotself._data.has_key(ik):returnself._dft ret=dict(np.fromstring(self._data[ik],dtype='i4,f4')) if(isinstance(j,int)):returnret.get(j,self._dft) if(isinstance(j,int)): jk=('j%d'%j) ifnotself._data.has_key(jk):returnself._dft ret=dict(np.fromstring(self._data[jk],dtype='i4,f4')) returnret def__len__(self): returnself._nums def__iter__(