哪个SciPy稀疏矩阵类最适合计算距离矩阵？

Question

我有一个相对较大的NumPy数组（近300k行和20+列，但大多数值为0），我需要使用scikit-learn pairwise_distances函数计算距离矩阵。< / p>

不幸的是，除非我将输入数组转换为稀疏矩阵，否则此过程会遇到内存错误。 SciPy提供了许多sparse matrix classes，我不知道哪一个最适合这种特殊情况。

我找到了一个有利于CSR或CSC的SO answer，但我不清楚哪一个最适合计算距离矩阵。欢迎任何建议！

Answer 1

CSR按行排序，CSC按列排序。因此，使用CSR可以更快地访问行，使用CSC访问列会更快。由于sklearn.metrics.pairwise.pairwise_distances用作输入，X（其中行是实例，列是属性），因此它将从稀疏矩阵访问行。因此，使用CSR可能更有效。