那些零元素数目远远多于非零元素数目，并且非零元素的分布没有规律的矩阵称为稀疏矩阵（sparse matrix）。
不同类型的矩阵有不同的压缩方式，比如对角矩阵只存储对角元素即可。要想充分压缩，就要找到数据的特点。
压缩算法也有很多种，如：音频压缩算法、视频压缩算法、通用压缩算法。不同压缩算法有不同的使用领域，一般专用领域的压缩算法效率高于通用压缩算法。因为专用领域压缩算法抓住了数据的特点。
本文主要介绍scipy提供的八种稀疏矩阵存储格式。
坐标存储 Coordinate Format (COO)
它使用三个数组进行存储：rows、columns、values，三个数组长度相等。分别表示数组元素的行、列、值。
Diagonal Storage Format (DIA)
对角线矩阵，它由两个数组进行存储：values是一个二维数组，distance是一个一维数组，distance[i]表示对角线相对主对角线的偏移量。values[i][j]表示第i行，相对主对角线偏离distance[j]的那条对角线上的数值。
Compressed Sparse Row Format (CSR)
压缩稀疏行矩阵，它由values、columns、rows三个数组组成。values是一个一维数组，columns是一个和values等长的一维数组，表示values中每个元素所在的列。rows是一个一维数组，rows[i]表示第i行拥有的元素个数。所以rows的长度等于行数。
Compressed Sparse Column Format (CSC)
压缩稀疏列矩阵，和CSR一样，区别在于它按照列来存储。
Skyline Storage Format
三角矩阵压缩
Block Compressed Sparse Row Format (BSR)
块矩阵压缩
ELLPACK (ELL)
存储values和offset两个矩阵，values[i][j]元素在第i行的偏移用offset[i][j]来表示。
Hybrid (HYB)
混合压缩矩阵，融合了ELL和COO