Scipy有many different types of sparse matrices available。这些类型之间最重要的区别是什么，它们的预期用途有何不同？
我正在基于Matlab中的示例代码 1 在python中开发代码。代码的一部分使用稀疏矩阵 - 在Matlab中似乎有一个（恼人的）类型，我试图找出我应该在python中使用 2 的类型。
1：这是一堂课。大多数人都在使用Matlab进行项目，但我喜欢创造不必要的工作和混乱 - 显然。
2：这是一个学术问题：我的代码使用'CSR'格式正常运行，但我很有兴趣知道最佳用法是什么。
答案 0 :(得分：35)
很抱歉，如果我没有完全回答这个问题，但希望我能提供一些见解。
CSC（压缩稀疏列）和CSR（压缩稀疏行）更紧凑和高效，但难以“从头开始”构建。 Coo（Coordinate）和DOK（Keys of Keys）更容易构建，然后可以通过matrix.tocsc()或matrix.tocsr()转换为CSC或CSR。
CSC通常会更有效地访问列向量或列操作，因为它存储为列数组及其每行的值。
企业社会责任矩阵正好相反;存储为每行的行数组及其值，并且更有效地访问行向量或行操作。