第一种用法代码如下：

import scipy.sparse as sp

a=[[1,0,0],
   [0,0,1],
   [0,1,0]]
a_coo_matrix=sp.coo_matrix(a)
print('a_coo_matric:\n',a_coo_matrix)

输出：

第二种用法，也是比较常用的

row=np.array([0, 3, 1, 0])
col  = np.array([0, 3, 1, 2])
data = np.array([4, 5, 7, 9])
dataarray=sp.coo_matrix((data, (row, col)), shape=(4, 4)).toarray()
print('dataarray:\n',dataarray)

输出：

通过观察可以发现，每个元素对应的索引就是上和列中的数组合，例如4就是出现在（0，0）的位置上，5出现在（3，3）的位置上，7出现在（1，1）的位置上，9出现在（0，2）的位置上。
第二种用法中出现了四个参数，分别是data,col,row和shape。

• data： 就是原始矩阵中的数据，例如上面的4,5,7,9；
• row：代表data中数据所处的行
• col：代表data中数据所处的列
• shape:表示最后生成矩阵的形状
  如果shape设置成（5，5）就会输出：
  

希望能帮到你

如果这篇博客对您有帮助，愿您不吝打赏，您的鼓励是对我最大的肯定，也将督促我书写更多高质量的博客。