以可移植数据格式保存/加载scipy稀疏csr_matrix
问题内容：
如何csr_matrix以可移植格式保存/加载稀疏稀疏？稀疏稀疏矩阵是在Python 3（Windows 64位）上创建的，以在Python
2（Linux 64位）上运行。最初，我使用pickle（协议= 2，fix_imports = True），但是从Python 3.2.2（Windows
64位）到Python 2.7.2（Windows 32位）不起作用，并出现错误：
TypeError: ('data type not understood', <built-in function _reconstruct>, (<type 'numpy.ndarray'>, (0,), '[98]')).
接下来，尝试了numpy.save，numpy.load以及，scipy.io.mmwrite()并且scipy.io.mmread()这些方法都不起作用。
问题答案：
编辑： SciPy
1.19现在具有scipy.sparse.save_npz和scipy.sparse.load_npz。
from scipy import sparse
sparse.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'])
