scipyのcsr_matrixとは？

概要

csr_matrix は SciPy の疎行列（sparse matrix）ライブラリで提供される、
「圧縮行形式（Compressed Sparse Row, CSR）」 の行列クラスです。

なぜ疎行列が必要？

行列のほとんどが 0 のとき（＝疎行列）、通常の NumPy 配列で表現すると 無駄なメモリがかかる。

csr_matrix は、非ゼロ要素だけを効率的に保存・計算するための仕組みです。

実例

たとえば、以下のような特徴があったとします：

ユーザー1（行0）が「男性（特徴列2）」、年齢30（特徴列5）

ユーザー2（行1）が「女性（特徴列3）」、年齢25（特徴列4）

このように、ユーザー×特徴の「1だけが入る」行列を作るのに便利です。

from scipy.sparse import csr_matrix

data = [1, 2, 3, 4]               # すべての特徴の値（1など）
row = [0, 0, 1, 1]                # ユーザー0, 0, 1, 1
col = [2, 5, 3, 4]                # 特徴の列番号
shape = (2, 6)                    # ユーザー2人、特徴6個

print('csr')
print(csr)
print('arrayに戻すと')
print(csr.toarray())

出力

csr
<Compressed Sparse Row sparse matrix of dtype 'int64'
with 4 stored elements and shape (2, 6)>
Coords Values
(0, 2) 1
(0, 5) 2
(1, 3) 3
(1, 4) 4
arrayに戻すと
[[0 0 1 0 0 2]
[0 0 0 3 4 0]]

このようにcsrは0を含まないためスパースデータを効率的に処理できます。