Scipy CSR稀疏矩阵实际上是COO？

Question

我最近一直在研究稀疏矩阵。我的目标是以某种方式将图的邻接列表转换为CSR格式，定义如下：http://devblogs.nvidia.com/parallelforall/wp-content/uploads/2014/07/CSR.png。在

我看到的一个可能的选择是，我只需先构造一个NumPy矩阵，然后使用scipy.sparse.csr_matrix对其进行转换。问题是，SciPy中的CSR与link中讨论的CSR有些不同。我的问题是，这是否只是一个差异，我需要编写自己的解析器，或者SciPy实际上可以转换为链接中定义的CSR。在

关于这个问题，假设我有一个矩阵：

matrix([[1, 1, 0],
        [0, 0, 1],
        [1, 0, 1]])

CSR格式由两个数组组成，列（C）和行（R）。我努力让自己看起来像：

^{pr2}$

SciPy返回：

  (0, 0)    1
  (0, 1)    1
  (1, 2)    1
  (2, 0)    1
  (2, 2)    1

其中第二列与我的C相同，但这是我对COO格式的理解，而不是CSR。（这是使用csr_matrix(adjacency_matrix)函数完成的）。在

Answer 1

内部存储的内容和通过print(A)打印矩阵时所看到的内容是不同的（其中A是csr_matrix）。在

在documentation中列出了属性。除此之外，还有以下三个属性：

data CSR format data array of the matrix
indices CSR format index array of the matrix
indptr CSR format index pointer array of the matrix

您可以通过A.data、A.indices和A.indptr来访问（和操作）它们。在

底线：scipy中的CSR格式是一种“真正的”CSR格式，您不需要编写自己的解析器（只要您不关心在您的情况下不必要的data数组）。
另请注意：CSR format中的矩阵总是由三个数组表示，而不是两个数组。在