应直接用 scipy.sparse.csr_matrix 从三元组构建，避免 pandas.SparseDtype；优先选 coo_matrix 构造再转 csr/csc，按访问模式选格式，并显式指定小整数 dtype 以节省内存。
直接用 scipy.sparse.csr_matrix 构造，别碰 pandas.SparseDtype
几十万空值的二维结构，根本不是 pandas.SparseDtype 的使用场景。它只支持单列稀疏，底层仍是带掩码的密集数组，转成矩阵前必须调用 .to_dense()——这一步就会 OOM。真实稀疏矩阵要保留 (row, col) 坐标语义，SparseDtype 完全不存行信息。
正确路径是绕过 pandas，从原始三元组（非零值 + 行索引 + 列索引）直接构建：csr_matrix((data, (rows, cols)), shape=(M, N), dtype=np.int32)。dtype 必须显式指定：若非零值全是 0–255 的整数，用 np.uint8 能把每个元素内存从 8 字节（float64 默认）压到 1 字节。
coo_matrix 是最安全的构造入口，别用 dok_matrix 增量赋值
常见错误是循环写 dok_matrix[ i, j ] = val，每赋一次就新建一个 Python dict 键值对。10 万次操作 ≈ 10 万个 dict 对象，内存和速度都崩。
换成 coo_matrix 一次性喂入全部三元组：
立即学习“Python免费学习笔记（深入）”；
import numpy as np from scipy.sparse import coo_matrix <h1>假设你有三组平行数组</h1><p>rows = np.array([0, 1, 1, 2]) cols = np.array([0, 1, 2, 0]) data = np.array([1, 2, 3, 4], dtype=np.int32)</p><p>coo = coo_matrix((data, (rows, cols)), shape=(3, 3)) csr = coo.tocsr() # 转 CSR 后再用
注意：coo_matrix 本身不支持算术运算，只是个“中转站”，构造完立刻转 .tocsr() 或 .tocsc()。
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
选 csr_matrix 还是 csc_matrix？看你的主要操作类型
CSR 和 CSC 不是性能高低之分，而是访问模式适配问题：
- 频繁按行取数据（如推荐系统里取某个 user 的所有 item 评分）、做
M @ v（矩阵乘向量），选csr_matrix - 频繁按列取数据（如 NLP 中取某个 term 的所有文档频次）、做
v @ M（向量左乘），选csc_matrix - 两者互相转换成本很低（
.tocsr()/.tocsc()），但别在热循环里反复转
如果不确定，先用 CSR；它在绝大多数机器学习 pipeline（如 sklearn 的 fit()）里是默认格式。
内存没降下来？检查 indptr 和 indices 的 dtype
csr_matrix 有三个核心数组：data（值）、indices（列索引）、indptr（行指针）。后两者默认是 int64，哪怕矩阵只有 1000 行，也浪费一倍内存。
构造时强制指定小整数类型：
# 假设最大行数 < 65536，最大列数 < 65536 coo = coo_matrix((data, (rows, cols)), shape=(M, N), dtype=np.int16) csr = coo.tocsr() csr.indices = csr.indices.astype(np.uint16) # 列索引 csr.indptr = csr.indptr.astype(np.uint16) # 行指针
这个细节容易被忽略：即使 data 用了 uint8，若 indices 和 indptr 还是 int64，整体内存可能只省了 10%。
