scipy中的coo_matrix函数

>>> # Constructing a matrix using ijv format
 >>> row  = np.array([0, 3, 1, 0])
 >>> col  = np.array([0, 3, 1, 2])
 >>> data = np.array([4, 5, 7, 9])
 >>> coo_matrix((data, (row, col)), shape=(4, 4)).toarray()
 array([[4, 0, 9, 0],
        [0, 7, 0, 0],
        [0, 0, 0, 0],
        [0, 0, 0, 5]])

经常的用法大概是这样的：coo_matrix((data, (row, col)), [shape=(M, N)])

这里有三个参数：
data[:] 就是原始矩阵中的数据，例如上面的4,5,7,9；

row[:] 就是行的指示符号；例如上面row的第0个元素是0，就代表data中第一个数据在第0行；

col[:] 就是列的指示符号；例如上面col的第0个元素是0，就代表data中第一个数据在第0列；

综上所述，对data中第0个数据4来说，就是原始矩阵中有4这个元素，它在第0行，第0列，即A[i[k], j[k]] = data[k] （data[i]在矩阵中的位置是row[i]行col[i]列）。以此类推，data中第1个数据5，在第3行，第3列。

最后，shape参数是告诉coo_matrix原始矩阵的形状，除了上述描述的有数据的行列，其他地方都按照shape的形式补0。

转载自：https://www.shuzhiduo.com/A/x9J2PA9gd6/
官方文档：https://docs.scipy.org/doc/scipy/reference/generated/scipy.sparse.coo_matrix.html#scipy.sparse.coo_matrix