稀疏矩阵是指矩阵中元素大部分是0的矩阵，事实上，实际问题中大规模矩阵基本上是稀疏矩阵，很多稀疏度在90%甚至99%以上；因此我们需要有高效的稀疏矩阵存储格式。
本文参考了 https://www.cnblogs.com/xbinworld/p/4273506.html 此文章，对coo 和 csr 两种格式，进行摘录，进行备忘;
- COO Coordinate (以坐标的形式进行表示)
这是最简单的一种格式，每一个元素需要用一个三元组来表示，分别是（行号，列号，数值），对应上图右边的一列。这种方式简单，但是记录单信息多（行列），每个三元组自己可以定位，因此空间不是最优。
- Compressed Sparse Row (CSR) （以行压缩的形式进行表示）
CSR是比较标准的一种，也需要三类数据来表达：数值，列号，以及行偏移。CSR不是三元组，而是整体的编码方式。数值和列号与COO一致，表示一个元素以及其列号，行偏移表示某一行的第一个元素在values里面的起始偏移位置。如上图中，第一行元素1是0偏移，第二行元素2是2偏移，第三行元素5是4偏移，第4行元素6是7偏移。在行偏移的最后补上矩阵总的元素个数，本例中是9。
- Compressed Sparse Column (CSC) （以列压缩的形式进行表示）
CSC是和CSR相对应的一种方式，即按列压缩的意思。
以上图中矩阵为例：
Values： [1 5 7 2 6 8 3 9 4]
Row Indices：[0 2 0 1 3 1 2 2 3]
Column Offsets：[0 2 5 7 9]
资源来源自网络，保持更新；更多内容请关注 cnblogs.com/xuyaowen;
其他参考链接：
https://blog.csdn.net/gaoborl/article/details/82869858
https://www.cnblogs.com/xbinworld/p/4273506.html
https://en.wikipedia.org/wiki/Sparse_matrix （上面对稀疏矩阵的格式，有较为详细的说明）在Storing a sparse matrix 部分；