稀疏矩阵压缩存储：CSR

Compressed Sparse Row，CSR格式的列下标向量和数据值向量与COO格式（三元组）类似，在行下标表示上做了压缩。根据数据的排列规则，只需要指定在哪个数据换到下一行就行。

>>> col_idx = np.array([0,3,1,2,3,0,1,3])
>>> values = np.array([4,2,1,5,7,6,3,8])
 >>> row_ptr = np.array([0,2,3,5,8])
>>> csr_mat = scipy.sparse.csr_matrix((values,col_idx, row_ptr),shape=(4,4)).toarray()
>>> csr_mat
array([[4, 0, 0, 2],
       [0, 1, 0, 0],
       [0, 0, 5, 7],
       [6, 3, 0, 8]]) 

把非零数据排成一列，并从0开始建立索引，row_ptr指定在哪个索引位置进行换行。例如，稀疏矩阵的第二行是1，那么就在索引2处进行切割。

稀疏矩阵压缩存储：CSR

原文：http://www.cnblogs.com/mengmengmiaomiao/p/7586187.html