编辑： SciPy
1.19现在具有
scipy.sparse.save_npz和
scipy.sparse.load_npz。
from scipy import sparsesparse.save_npz("yourmatrix.npz", your_matrix)your_matrix_back = sparse.load_npz("yourmatrix.npz")对于这两个函数，
file参数也可以是类似于文件的对象（即的结果
open），而不是文件名。
从Scipy用户组得到了答案：
一个csr_matrix有3个数据属性此事：
.data，.indices，和.indptr。所有都是简单的ndarray，因此numpy.save可以在它们上使用。用numpy.save或保存三个数组，用numpy.savez加载它们numpy.load，然后用以下方法重新创建稀疏矩阵对象：new_csr = csr_matrix((data, indices, indptr), shape=(M, N))
因此，例如：
def save_sparse_csr(filename, array): np.savez(filename, data=array.data, indices=array.indices, indptr=array.indptr, shape=array.shape)def load_sparse_csr(filename): loader = np.load(filename) return csr_matrix((loader['data'], loader['indices'], loader['indptr']),shape=loader['shape'])
