如何在内存不足时将scipy.sparse.csr_matrix直接保存为TXT/CSV？

一、直接将csr_matrix保存为常规矩阵格式（无需转换为np.array） #

csr_matrix是按行存储的结构，我们可以逐行生成完整行数据并写入文件，全程只占用单一行的内存：

from scipy.sparse import csr_matrix

# 假设你的稀疏矩阵为csr_mat
rows, cols = csr_mat.shape

# 保存为txt格式
with open('output.txt', 'w') as f:
    for row_idx in range(rows):
        # 提取当前行的非零元素位置与值
        start = csr_mat.indptr[row_idx]
        end = csr_mat.indptr[row_idx + 1]
        non_zero_cols = csr_mat.indices[start:end]
        non_zero_vals = csr_mat.data[start:end]
        
        # 初始化当前行为全0列表
        current_row = [0.0] * cols
        # 填充非零值
        for col, val in zip(non_zero_cols, non_zero_vals):
            current_row[col] = val
        
        # 写入文件
        f.write(' '.join(map(str, current_row)) + '\n')

如果要保存为csv格式，只需把' '.join替换为','.join即可。

二、无需Python加载直接解压.npz文件 #

.npz本质是ZIP压缩包，内部包含多个.npy文件（对应稀疏矩阵的data、indices、indptr、shape等核心属性）。直接用Bash的unzip命令就能解压：

unzip your_matrix.npz

解压后会得到类似arr_0.npy、arr_1.npy的文件，若要查看文件内容，可通过简单的Python命令行执行：

python -c "import numpy as np; print(np.load('arr_0.npy'))"

内容的提问来源于stack exchange，提问作者Qba Liu