【嵌牛导读】 本文主要围绕python模块scipy中的稀疏矩阵展开
【嵌牛鼻子】scipy 稀疏矩阵
【嵌牛提问】python模块scipy中的稀疏矩阵是如何存储的呢？
【嵌牛正文】
参考文章：https://www.cnblogs.com/zhangchaoyang/articles/5483453.html
一：dok_matrix
继承自dict，key是(row,col)构成的二元组，value是非0元素。
优点：
1.非常高效地添加、删除、查找元素
2.转换成coo_matrix很快
缺点：
1.继承了dict的缺点，即内存开销大
2.不能有重复的(row,col)
二：coo_matrix
如上图，构造coo_matrix需要3个等长的数组，values数组存放矩阵中的非0元素，row indices存放非0元素的行坐标，column indices存放非0元素的列坐标。
优点：
1.容易构造
2.可以快速地转换成其他形式的稀疏矩阵
3.支持相同的(row,col)坐标上存放多个值
缺点：
1.构建完成后不允许再插入或删除元素
2.不能直接进行科学计算和切片操作
三：csr_matrix
csr_matrix同样由3个数组组成，values存储非0元素，column indices存储非0元素的列坐标，row offsets依次存储每行的首元素在values中的坐标，如果某行全是0则对应的row offsets值为-1。
优点：
1.高效地按行切片
2.快速地计算矩阵与向量的内积
3.高效地进行矩阵的算术运行，CSR + CSR、CSR * CSR等
缺点：
1.按列切片很慢（考虑CSC）
2.一旦构建完成后，再往里面添加或删除元素成本很高
四：dia_matrix
对角线存储法，按对角线方式存，列代表对角线，行代表行。省略全零的对角线。(从左下往右上开始：第一个对角线是零忽略，第二个对角线是5，6，第三个对角线是零忽略，第四个对角线是1，2，3，4，第五个对角线是7，8，9，第六第七个对角线忽略)。
这里行对应行，所以5和6是分别在第三行第四行的，前面补上无效元素*。如果对角线中间有0，存的时候也需要补0。
适用场景：
如果原始矩阵就是一个对角性很好的矩阵那压缩率会非常高，比如下图，但是如果是随机的那效率会非常糟糕。
