概述
- scipy.sparse库中的函数
- 为了将稀疏的np.array数据进行压缩
- 两者一个是行一个是列，基本思想差不多
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]])
解读：
indptr:代表的是每行有几个值(第一个值默认是0)
第一行：2-0=2
第二行：3-2=1
第三行：6-3=3
indices:代表值在每行中的位置
0：第0行的第一个值1在第0列
2：第0行的第二个值2在第2列
(第0行够了)
2：第1行的第一个值3在第2列
(第1行够了)
0：第2行的第一个值4在第0列
1：第2行的第二个值5在第1列
2：第2行的第三个值6在第2列
(完毕)
csc_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])
>>> csc_matrix((data, indices, indptr), shape=(3, 3)).toarray()
array([[1, 0, 4],
[0, 0, 5],
[2, 3, 6]])
解读：
indptr:代表的是每列有几个值(第一个值默认是0)
第一列：2-0=2
第二列：3-2=1
第三列：6-3=3
indices:代表值在每列中的位置
0：第0列的第一个值1在第0行
2：第0列的第二个值2在第2行
(第0列值够了)
2：第1列的第一个值3在第2行
(第1列值够了)
0：第2列的第一个值4在第0行
1：第2列的第一个值5在第1行
2：第2列的第一个值6在第2行
(完毕)
