Scipy sparse中关于CSC矩阵的自我理解

官方文档可见：https://docs.scipy.org/doc/scipy/reference/generated/scipy.sparse.csc_matrix.html#scipy.sparse.csc_matrix

官方文档中关于CSC矩阵原文如下：

csc_matrix((data, indices, indptr), [shape=(M, N)])

          is the standard CSC representation where the row indices for column i are stored in indices[indptr[i]:indptr[i+1]] and            their corresponding values are stored in data[indptr[i]:indptr[i+1]]. If the shape parameter is not supplied, the matrix              dimensions are inferred from the index arrays.

          原文翻译：第i列的相对应的行信息，存储在indices[indptr[i]:indptr[i+1]]中，且与行列想对应的值存在于                data[indptr[i]:indptr[i+1]]。
相对应的测试代码如下：

>>> 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]])

我的解读：

1. 首先，indptr中列表的长度len决定矩阵的列数num_column = len - 1,即原文档中的 column i

2. i = 0, indices [indptr[0]] : indptr[1]] = indices[0:2] = [0, 2]， 即第0列对应于第0行和第2行，再看data中的值，即矩阵中（0,0）= 1， （2,0）=2； 

i = 1, indices [indptr[1]] : indptr[2]] = indices[2:3] = [2]， 即第1列对应于第2行，再看data中的值，即矩阵中（2,1）= 3；

i = 2, indices [indptr[2]] : indptr[3]] = indices[3:6] = [0,1,2]， 即第2列对应于第0行、第1行和第2行，再看data中的值，即矩阵中（0,2）= 4， （1,2）=5， （2,2）=6；

以上（a,b）表示a行b列