當對離散資料進行擬合預測時，往往要對特徵進行onehot處理，但onehot是高度稀疏的向量，如果使用List或其他常規的儲存方式，對記憶體佔用極大。
這時稀疏矩陣型別 coo_matrix / csr_matrix 就派上用場了！

這兩種稀疏矩陣型別csr_matrix儲存密度更大，但不易手工構建。coo_matrix儲存密度相對小，但易於手工構建，常用方法為先手工構建coo_matrix，如果對記憶體要求高則使用 tocsr() 方法把coo_matrix轉換為csr_matrix型別。

csr_matrix記憶體使用約為coo_matrix的70% :

圖片引用自網路

coo_matrix是比較通用的格式，比如sklearn中LR可直接處理coo_matrix 格式。

那麼接下來就是構建coo_matrix矩陣。

應該很好理解吧？
就是分別定義有那些非零元素，以及各個非零元素對應的row和col，最後定義稀疏矩陣的shape。

coo_matrix 一經定義後shape就不可更改了！ 但data, row, col 可更改。
但我查文件顯示coo_matrix有reshape() 函式

使用reshape函式拋 NotImplementedError 異常。
查 v1.0.0版本原始碼：

原來reshape函式功能還未實現。。

合併兩個 coo_matrix或 csr_matrix 可以使用 vstack() 或 hstack()。
具體自行查文件吧。