Python3构建1643维矩阵遇卡顿，求超大矩阵高效构建方案

你的代码卡住是因为list.pop(0)效率极低——列表的头部删除操作是**O(n)**时间复杂度，每次删除第一个元素都要移动后面所有元素。1643×1643的矩阵有近270万个元素，重复270万次pop(0)必然导致程序卡顿。

下面是几种更高效的构建超大矩阵的方法：

方法1：用索引切片替代pop(0) #

直接通过索引批量截取每行数据，避免修改原列表，操作效率为O(1)：

import re

matrix_dimension = 1643
# 使用with语句自动管理文件资源，比手动close更安全
with open('7b-2.txt', "r") as file1:
    flatMatrix = file1.readline()

numbers = re.compile("-?\d+")
# 这里已转成float，后续无需重复转换
result = list(map(float, numbers.findall(flatMatrix)))

matrix = []
current_idx = 0
for _ in range(matrix_dimension):
    # 直接切片获取整行数据
    row = result[current_idx : current_idx + matrix_dimension]
    matrix.append(row)
    current_idx += matrix_dimension

方法2：用numpy处理（推荐） #

numpy对大型数值矩阵的处理效率远高于纯Python列表，底层用C实现，内存占用也更优：

import numpy as np
import re

matrix_dimension = 1643
with open('7b-2.txt', "r") as file1:
    flat_data = file1.readline()

# 提取所有数字并转为numpy数组
numbers = re.findall("-?\d+", flat_data)
data_array = np.array(numbers, dtype=np.float64)
# 直接重塑为目标维度的矩阵
matrix = data_array.reshape((matrix_dimension, matrix_dimension))

如果后续涉及矩阵运算，numpy还能提供大量现成的数学函数，进一步提升效率。

方法3：逐行读取文件（若文件按行存储矩阵） #

如果你的文件不是把所有数据放在一行，而是每行对应矩阵的一行，逐行读取能降低内存占用：

import re

matrix_dimension = 1643
matrix = []
with open('7b-2.txt', "r") as file1:
    for _ in range(matrix_dimension):
        line = file1.readline().strip()
        row_numbers = list(map(float, re.findall("-?\d+", line)))
        matrix.append(row_numbers)

另外补充两个原代码的小问题：

• 尽量用with语句操作文件，避免忘记关闭文件导致资源泄漏；
• result里已经是float类型，append(float(result.pop(0)))属于重复转换，完全没必要。

内容的提问来源于stack exchange，提问作者ryan714