scipy.sparse.csr_matrix

scipy.sparse.csr_matrix

scipy.sparse.csr_matrix(arg1, shape=None, dtype=None, copy=False)

压缩行稀疏矩阵。

可以通过这几种方式实例化：

csr_matrix(D)	带有密集矩阵2级ndarrayD
csr_matrix(S)	与另一个稀疏矩阵S（等效于S.tocsr（））
csr_matrix((M, N), [dtype])	构造形状为（M，N）的空矩阵dtype是可选的，默认为dtype =‘d’。
csr_matrix((data, (row_ind, col_ind)), [shape=(M, N)])	其中data，row_ind和col_ind满足关系a [row_ind [k]，col_ind [k]] = data [k]。
csr_matrix((data, indices, indptr), [shape=(M, N)])	是标准的CSR表示形式，其中行i的列索引存储在indices [indptr [i]：indptr [i + 1]]中，其对应值存储在data [indptr [i]：indptr [i + 1]]中 。 如果未提供shape参数，则从索引数组中推断出矩阵尺寸。

优点：

• 高效的算术运算，CSR + CSR，CSR * CSR等
• 高效地按行切片
• 快速地计算矩阵与向量的内积

缺点：

• 按列切片很慢（考虑CSC_matrix）
• 更改稀疏结构的成本很高（考虑LIL或DOK）

官网例子

>>> import numpy as np
>>> from scipy.sparse import csr_matrix
>>> csr_matrix((3, 4), dtype=np.int8).toarray()
array(