csr_matrix通过仅存储非零值、列索引和行偏移三个数组来节省内存，相比dense array在高维稀疏场景（如TF-IDF）可将内存占用从爆内存降至几十MB。
csr_matrix 为什么比 dense array 节省内存
稀疏矩阵在特征维度高但大部分值为零时（比如文本 TF-IDF、用户-物品交互）能大幅压缩内存。用 scipy.sparse.csr_matrix 存储，只保存非零值、列索引和行偏移三个数组，而非整个二维结构。一个 100 万 × 1 万的矩阵，若密度仅 0.01%，用 csr_matrix 可能只占几十 MB，而 numpy.ndarray 直接爆内存。
注意：CSR 不是万能的——它适合按行切片、矩阵乘法（如 model.fit(X, y)），但按列取子集（如 X[:, [0,5]]）会触发隐式转换为 CSC，慢且临时增内存。
如何安全地把 pandas DataFrame 或 list 转成 csr_matrix
别直接用 csr_matrix(df.values)——如果 df 含 object 类型或缺失值，会静默转成 object 数组，后续 fit() 报错 TypeError: no supported conversion for types。
- 先确保数据是数值型：
df = df.astype(np.float32)（用float32而非默认float64，省一半内存） - 缺失值必须显式填充：
df = df.fillna(0)，不能留np.nan - 再构造：
from scipy.sparse import csr_matrix; X_sparse = csr_matrix(df.values) - 如果是词频类 list of dict（如 CountVectorizer 输出前），优先用
DictVectorizer(sparse=True)，它内部自动建 CSR，比先转 dense 再转 sparse 快得多
Scikit-learn 模型对 csr_matrix 的兼容性差异
不是所有 estimator 都“原生友好”稀疏输入。有些内部会悄悄转 dense，白费 CSR 的优势。
立即学习“Python免费学习笔记（深入）”；
- 安全：
LogisticRegression、SVC(kernel='linear')、RandomForestClassifier（从 1.0+ 开始支持）、TruncatedSVD - 危险：
KMeans（旧版强制 densify）、StandardScaler（不支持稀疏，得用MaxAbsScaler或Normalizer替代） - 检查方法：训练后看模型对象是否有
sparse=True属性，或用type(model._X)（部分模型存原始输入）确认是否仍为csr_matrix
csr_matrix 的 in-place 修改陷阱
csr_matrix 不支持直接赋值修改元素，比如 X[0, 1] = 5 会报 NotImplementedError；强行用 X.tolil()[0,1] = 5 则创建全副本，瞬间吃光内存。
真要改，分三步走：
- 提取三元组：
data, row, col = scipy.sparse.find(X) - 用
numpy过滤/更新data数组（例如设负值为 0） - 重建：
X_new = csr_matrix((data, (row, col)), shape=X.shape)
更常见的是归一化或缩放——这时别手写循环，直接用 sklearn.preprocessing.Normalizer(norm='l2').fit_transform(X)，它专为稀疏优化，全程 CSR 内运算。
