一、概念

csr_matrix(Compressed Sparse Row matrix)或csc_matric(Compressed Sparse Column marix)，為壓縮稀疏矩陣的儲存方式。這裡均以scipy包中的方法作為例子，具體可看：https://docs.scipy.org/doc/scipy/reference/generated/scipy.sparse.csr_matrix.html

二、簡析

1、scipy.sparse.csr_matrix

>>> indptr = np.array([0, 2, 3, 6])
>>> indices = np.array([0, 2, 2, 0, 1, 2])
>>> data = np.array([1, 2, 3, 4, 5, 6])
>>> csr_matrix((data, indices, indptr), shape=(3, 3)).toarray()
array([[1, 0, 2],
       [0, 0, 3],
       [4, 5, 6]])
1234567

上述方式為按照row行來壓縮 
（1）data表示資料，為[1, 2, 3, 4, 5, 6] 
（2）shape表示矩陣的形狀 
（3）indices表示對應data中的資料，在壓縮後矩陣中各行的下標，如：資料1在某行的0位置處，資料2在某行的2位置處，資料6在某行的2位置處。 
（4）indptr表示壓縮後矩陣中每一行所擁有資料的個數，如：[0 2 3 6]表示從第0行開始資料的個數，0表示預設起始點，0之後有幾個數字就表示有幾行，第一個數字2表示第一行有2 - 0 = 2個數字，因而數字1，2都第0行，第二行有3 - 2 = 1個數字，因而數字3在第1行，以此類推。

###another way

>>> row = np.array([0, 0, 1, 2, 2, 2])

>>> col = np.array([0, 2, 2, 0, 1, 2])

>>> data = np.array([1, 2, 3, 4, 5, 6])

>>> csr_matrix((data, (row, col)), shape=(3, 3)).toarray()

array([[1, 0, 2],

          [0, 0, 3],

          [4, 5, 6]])

1)第一行第一列是資料1，第一行第三列是資料2，第二行第一列是資料3，第3行第1略是4，第三行第2列是5，第三行第3列是6

2、scipy.sparse.csc_matrix

>>> indptr = np.array([0, 2, 3, 6])
>>> indices = np.array([0, 2, 2, 0, 1, 2])
>>> data = np.array([1, 2, 3, 4, 5, 6])
>>> csc_matrix((data, indices, indptr), shape=(3, 3)).toarray()
array([[1, 0, 4],
       [0, 0, 5],
       [2, 3, 6]])
1234567

上述方式為按照colums列來壓縮，計算方式與按行類似。
--------------------- 
作者：lpty 
來源：CSDN 
原文：https://blog.csdn.net/sinat_33741547/article/details/79878547?utm_source=copy 
版權宣告：本文為博主原創文章，轉載請附上博文連結！