存储稀疏的Numpy数组

在Numpy中，我们可以使用压缩稀疏矩阵（Compressed Sparse Matrix）来存储稀疏数组。压缩稀疏矩阵是一种高效地存储和操作稀疏矩阵的方式。

以下是使用压缩稀疏矩阵存储稀疏数组的示例代码：

import numpy as np
from scipy.sparse import csr_matrix

# 创建稀疏数组
sparse_array = np.array([[0, 0, 0, 0, 0],
                         [0, 1, 0, 0, 0],
                         [0, 0, 0, 2, 0],
                         [0, 0, 0, 0, 0],
                         [0, 0, 0, 0, 3]])

# 将稀疏数组转换为压缩稀疏矩阵
sparse_matrix = csr_matrix(sparse_array)

# 打印稀疏矩阵
print(sparse_matrix)

输出结果为：

  (1, 1)	1
  (2, 3)	2
  (4, 4)	3

在上述代码中，我们首先创建了一个稀疏数组 sparse_array，其中包含了一些非零元素。然后，使用 csr_matrix 函数将稀疏数组转换为压缩稀疏矩阵 sparse_matrix。最后，我们打印出压缩稀疏矩阵，可以看到只有非零元素的索引和值被打印出来，其余元素都被省略了。

压缩稀疏矩阵提供了很多操作函数，例如计算稀疏矩阵的行或列之和、矩阵乘法等。你可以根据具体需求进行相关操作。