稀疏矩阵的压缩方式 CCS / CRS

Storage 存储方式

Compressed Row Storage (CRS)

压缩行的存储。这使用行优先的存储方式，即把矩阵转成一维数组时，行优先进行。

使用3个向量来表示稀疏矩阵:

• values：存储非0的数值
• col_index：记录非0数值的在矩阵里的列索引 (0-based index)。
• row_ptr：记录矩阵每行的第一个非0数值 在values中的索引。

举例，一个3行4列的矩阵:
[
[11, 0, 13, 17],
[0, 0, 19, 0],
[0, 23, 27, 0]
]

则使用3个向量表示它：

values	[11, 13, 17, 19, 23，27]
col_index	[0, 2, 3, 2, 1, 2]
row_ptr	[0, 3, 4, 6]

对row_ptr的补充：
[0, 3, 4, 6]中，
0：矩阵第一行数11在values的索引是0.
3:　矩阵第二行的第一个数值19 在values中的索引是3.
４：矩阵第三行的第一个数值23 在values中的索引是4.
6：显然矩阵没有第四行。6表示当矩阵有虚拟的第四行时，6就是这虚拟行的第一个值在values里的索引。因此，6也是values的元素数量。

问题: 如何从这3个向量得知原始矩阵的行列数？
解答：
行数 = length(row_ptr) -1
列数 = max(col_index)

问题：如何用这3个向量表示的稀疏矩阵 转换成 稠密矩阵？
解答：
通过row_ptr可得到values中每个元素的row_index，再结合col_index和values，即可以生成稠密矩阵了。

问题：为什么不类似col_index 使用row_index，而是使用row_ptr呢？
解答：如果使用 row_index的话，row_index是 [0, 0, 0, 1, 2, 2] 显然这里有重复的数值。为了进一步减少存储空间，使用row_ptr。

Compressed Column Storage (CCS)

压缩列的存储。对矩阵转成一维数组时，用列优先做。
则上面的矩阵：
[
[11, 0, 13, 17],
[0, 0, 19, 0],
[0, 23, 27, 0]
]

则使用3个向量表示它：

values	[11, 23, 13, 19, 27, 17]
row_index	[0, 2, 0, 1, 2, 0]
col_ptr	[0, 1, 2, 5, 6]

描述：
values：按照列优先取值，形成的数组或向量
row_index: values中每个元素的行下标。
col_ptr: 每一列的首位数，即11,13,17 分别在values中的index。col_ptr的最后一个元素是 size(values)

为了方便对col_ptr理解，也可以先类似row_index, 写出来 col_index: [0, 1, 2, 2, 2, 3]，那么这里的数值 0/1/2/3的下标分别是 0,1,2,5，此为col_ptr的前 (n-1)个数。

参考

http://netlib.org/linalg/html_templates/node91.html#sparseA

http://netlib.org/linalg/html_templates/node92.html