csr_matrix

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]])
# 按row行来压缩
# 对于第i行，列是indices[indptr[i]:indptr[i+1]] 数据是data[indptr[i]:indptr[i+1]]
# 在本例中
# 第0行，有非0的数据列是indices[indptr[0]:indptr[1]] = indices[0,2] = [0,2]
# 数据是data[indptr[0]:indptr[1]] = data[0,2] = [1,2],所以在第0行第0列是1，第2列是2
# 第1行，有非0的数据列是indices[indptr[1]:indptr[2]] = indices[2,3] = [2]
# 数据是data[indptr[1]:indptr[2] = data[2,3] = [3],所以在第1行第2列是3
# 第2行，有非0的数据列是indices[indptr[2]:indptr[3]] = indices[3,6] = [0,1,2]
# 数据是data[indptr[2]:indptr[3]] = data[3,6] = [4,5,6],所以在第2行第0列是4，第1列是5,第2列是6

（注：论文的行下标和列下标均从0开始）
data 表示 元数据 显然为1， 2， 3， 4， 5， 6
shape 表示 矩阵的形状 为 3 * 3
indices 表示 各个数据在各行的下标， 从该数据我们可以知道：数据1在某行的0位置处， 数据2在某行的2位置处，6在某行的2位置处。
而各个数据在哪一行就要通过indptr参数得到的
indptr 表示每行数据的个数：[0 2 3 6]表示从第0行开始数据的个数，0表示默认起始点，0之后有几个数字就表示有几行，第一个数字2表示第一行有2 - 0 = 2个数字，因而数字1，2都第0行，第二行有3 - 2 = 1个数字，因而数字3在第1行，以此类推，我们能够知道所有数字的行号
Example: 数字6 ，indptr推出在第2行，indices推出在第2列。

Numpy文件存取

http://blog.csdn.net/sherrylml/article/details/51494052