代码语言：javascript复制In [1]: from scipy import sparse
In [2]: x = np.eye(3)
In [3]: x
Out[3]:
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
In [4]: x.shape
Out[4]: (3, 3)
In [5]: xs = sparse.eye(3)
In [6]: xs
Out[6]:
<3x3 sparse matrix of type ''
with 3 stored elements (1 diagonals) in DIAgonal format>
In [7]: print(xs)
(0, 0) 1.0
(1, 1) 1.0
(2, 2) 1.0
In [8]: xs.shape
Out[8]: (3, 3)np和生成一个数组，其维数少一个(除非使用keepdims参数)
代码语言：javascript复制In [9]: x.sum(axis=1)
Out[9]: array([1., 1., 1.])稀疏和产生一个np.matrix对象。
代码语言：javascript复制In [10]: xs.sum(axis=1)
Out[10]:
matrix([[1.],
[1.],
[1.]])
In [11]: _.shape
Out[11]: (3, 1)根据定义，np.matrix始终是2d。但是它确实有一个A1属性，它将转换为ndarray并应用挤压。
代码语言：javascript复制In [12]: xs.sum(axis=1).A1
Out[12]: array([1., 1., 1.])
稀疏实际上通过矩阵乘法执行行或列和：
代码语言：javascript复制In [21]: xs*np.matrix(np.ones((3,1)))
Out[21]:
matrix([[1.],
[1.],
[1.]])稀疏矩阵* np.matrix产生np.matrix
如果sum使用ndarray，结果将是一个ndarray，并且是可压缩的。
代码语言：javascript复制In [22]: xs*np.ones((3,1))
Out[22]:
array([[1.],
[1.],
[1.]])注意，我使用了* (我本可以使用@)；乘法(例如，点)的稀疏定义具有优先权。
代码语言：javascript复制In [23]: np.matrix(np.ones((1,3)))*xs
Out[23]: matrix([[1., 1., 1.]])
