pyarrow 目前不提供直接将 sparsecootensor 转换为 sparsecsrmatrix 的内置方法，但可通过 to_scipy() + scipy.sparse 转换链间接实现，再用 from_scipy() 构造 pyarrow csr 矩阵。
pyarrow 目前不提供直接将 sparsecootensor 转换为 sparsecsrmatrix 的内置方法，但可通过 to_scipy() + scipy.sparse 转换链间接实现，再用 from_scipy() 构造 pyarrow csr 矩阵。
PyArrow 的稀疏张量支持（如 SparseCOOTensor 和 SparseCSRMatrix）虽已初步实现，但官方文档尚未覆盖其相互转换的 API，相关功能也未暴露为一级方法（GitHub Issue #43352 已确认该缺失）。不过，PyArrow 提供了与 SciPy 生态的深度互操作能力，可借助 SciPy 作为“桥梁”完成 COO → CSR 的转换。
具体步骤如下：
- 从 PyArrow SparseCOOTensor 导出为 SciPy 稀疏矩阵（默认为 coo_matrix）；
- 调用 SciPy 的 .tocsr() 方法 转换为 CSR 格式；
- 使用 PyArrow 的 pa.SparseCSRMatrix.from_scipy() 构造原生 PyArrow CSR 矩阵。
示例代码：
import pyarrow as pa
import numpy as np
from scipy import sparse
# 构造一个简单的 COO 张量（3×4 矩阵，含 3 个非零元）
indices = pa.array([[0, 1, 2], [1, 2, 0]], type=pa.int64()) # shape: (2, 3)
values = pa.array([1.0, 2.0, 3.0], type=pa.float64())
shape = (3, 4)
coo_tensor = pa.SparseCOOTensor.from_indices_values_shape(
indices, values, shape
)
# Step 1: 转为 SciPy COO 矩阵
scipy_coo = coo_tensor.to_scipy()
# Step 2: 转为 SciPy CSR 矩阵
scipy_csr = scipy_coo.tocsr()
# Step 3: 转回 PyArrow SparseCSRMatrix
csr_matrix = pa.SparseCSRMatrix.from_scipy(scipy_csr)
print("PyArrow CSR matrix shape:", csr_matrix.shape)
print("PyArrow CSR data array:", csr_matrix.data.to_numpy())
print("PyArrow CSR indptr array:", csr_matrix.indptr.to_numpy())
print("PyArrow CSR indices array:", csr_matrix.indices.to_numpy())⚠️ 注意事项：
- pa.SparseCSRMatrix.from_scipy() 仅接受 scipy.sparse.csr_matrix（或 csc_matrix），不支持其他格式（如 lil_matrix）；
- 转换过程会触发数据拷贝，大规模稀疏矩阵需注意内存开销；
- 当前 PyArrow 不支持直接在 COO 和 CSR 之间零拷贝转换（因底层存储结构差异显著），因此必须经过中间表示；
- 若需频繁转换，建议封装为复用函数，并对 dtype 和 shape 保持显式校验，避免隐式类型降级。
总结：虽然 PyArrow 尚未提供 coo_tensor.to_csr() 这类便捷方法，但通过 to_scipy() / from_scipy() 组合，开发者可高效、可靠地完成 COO ↔ CSR 的跨格式转换，兼顾兼容性与性能。未来版本有望补充原生转换接口，社区贡献（如完善文档或新增 to_csr() 方法）正被积极鼓励。
