存储稀疏矩阵通常采用
稀疏矩阵的定义是在所有元素中非零元素所占比例很小的矩阵，在实际应用中，稀疏矩阵的使用变得越来越多，比如在机器学习领域中经常用到的矩阵分解，推荐系统等。在实际的应用中，通常使用压缩方式存储稀疏矩阵，一般采用CSR格式和CSC格式存储。
CSR格式的存储方式
CSR格式是压缩稀疏矩阵的一种方式，将原矩阵中每一行的非零元素保存下来，并记录下行号，以及非零元素在行中的位置。具体来说，一个CSR格式存储的矩阵包括三个数组，分别是原矩阵中所有非零元素的值所组成的一维数组序列，一个保存每个非零元素在数组中对应的行数的序列，以及一个保存每一行在数组中开头位置的索引的一维数组序列。这样，通过这样的方式，减少了存储空间，并且可以实现稀疏矩阵的高效计算。
CSC格式的存储方式
CSC格式也是一种稀疏矩阵的存储方式，相对于CSR格式，CSC格式是按列来进行保存。具体来说，将每一列的非零元素保存下来，并和CSR格式一样，记录下列的位置和这一列非零元素在数组中的索引位置。同样地，一个CSC格式存储的矩阵也包括三个数组组成，分别是原矩阵中所有非零元素的值所组成的一维数组序列，一个保存每个非零元素在数组中对应的列数的序列，以及一个保存每一列在数组中开头位置的索引的一维数组序列。
CSR和CSC格式的对比
CSR格式和CSC格式各有优劣，CSR格式由于将非零元素都按行排列，因此特别适合行运算。而CSC格式则是将非零元素按列排列，因此适合于列运算。因此，在实际应用中，应该根据不同的应用情况来选择不同的格式进行存储。
另外，关于稀疏矩阵的存储方式，近年来还有一些新的研究成果，例如，迭代环的稀疏矩阵存储、动态稀疏矩阵的增量存储、并行稀疏矩阵乘法算法等。这些新的存储方式和算法都将稀疏矩阵的存储和计算带入了一个更加高效的新时代。
综上所述，稀疏矩阵通常采用CSR格式和CSC格式进行存储，并且应根据实际情况选择最合适的存储方式。同时，新的研究成果也不断涌现，为稀疏矩阵的存储和计算提供了更加高效的方法。
