本文共 621 字，大约阅读时间需要 2 分钟。

稀疏矩阵的保存与加载可以通过scipy.sparse内置模块轻松实现。以下代码展示了如何使用scipy的方法进行稀疏矩阵的存储与读取，同时对比了使用np.save的效果。

代码示例：

from scipy import sparsefrom scipy.sparse import coo_matriximport numpy as npdata = [5, 2, 3, 0]row = [2, 2, 3, 2]col = [3, 4, 2, 3]# 创建稀疏矩阵c = sparse.coo_matrix((data, (row, col)), shape=(5, 6))# 堆叠三个稀疏矩阵ccc = sparse.vstack(c) * 3# 保存稀疏矩阵sparse.save_npz("ccc.npz", ccc)# 加载稀疏矩阵ddd = sparse.load_npz("ccc.npz")

通过上述代码可以看到，使用scipy的稀疏矩阵模块，稀疏矩阵的存储与加载过程中保持了稀疏格式，加载后的矩阵仍然是稀疏矩阵格式。

需要注意的是，np.save方法虽然可以用来保存矩阵，但其本质上是将稀疏矩阵转换为dense矩阵格式进行存储。当使用np.load加载时，会再次转换为稀疏矩阵，但这通常会导致性能损失。因此，建议在需要保持稀疏格式的场景下，直接使用scipy的save_npz和load_npz方法，这是最为高效和可靠的选择。