csr_matrix矩阵压缩

scipy库中的sparse.csr_matrix可对稀疏的np.array进行压缩处理，有两种方式：csr(Compressed Sparse Row marix) 和 csc(Compressed Sparse Column marix)。下面通过两个最常见的栗子说明一下。

scipy.sparse.csr_matrix　　按行进行压缩

>>> 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]])

解释说明：
indptr： 代表每行中有多少个不为0的值，其中第一项0是固定的，第2项与第一项的差值表示第0行有2-0个不为0的值，第3项与第2项的差3-2=1表示第1行有一个不为0的值，依次类推
indices： indptr指明了每行有多少个非0项，indices则指定每行究竟是那几列不为0，例子中第0行有2个非0，则对应indices中前两项，即0,2两列不为0，第1行有1个非0，则对应indices中的2列不为0，依次类推
data： 则代表这些不为0的值具体是什么值，例子中第0行的0,2两列不为0，即对应data中的1,2两个值，第1行的2列不为0，则对应data中的3这个值。
.toarray()将压缩后的数据又转成了array形式，其中压缩后的数据形式如下：

feature = csr_matrix((data, indices, indptr), shape=(3, 3))
print (feature)
输出为：
  (0, 0)        1
  (0, 2)        2
  (1, 2)        3
  (2, 0)        4
  (2, 1)        5
  (2, 2)        6
第一行(0, 0)  1表示第0行第0列值为1，其它同理

scipy.sparse.csc_matrix　　按列进行压缩
与scipy.sparse.csr_matrix同理，同样通过最常见的栗子进行简单说明。

>>> 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]])

indptr 相邻两项的差值即表示对应列有多少个非0的值。
indices 表示每列中对应的非0值在哪几行。
data 表示这些非0的值具体是啥值。

另：csr_matrix的压缩还有其它方式，比如下面这种：

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

这里与上面的csr_matrix不同的是，indptr 记录的是每一个非0值所在的行，indptr ，indices ，data 可以纵向看，0行0列值为1，0行2列值为2，依次类推。这里需要注意的是csr_matrix((data, (indptr, indices)), shape=(3, 3))中csr_matrix的第一项由 (data, indices, indptr) 改为了 (data, (indptr, indices)) 。

当遇到稀疏矩阵时，数据量比较大，但是大部分都是0，此时可以记录非0值所在的列，以及每行非0值的个数或者非0值所在的行（前者占更少的存储空间），然后对其再进行压缩。