COO优点：
1:容易构造,比较容易转换成其他的稀疏矩阵存储格式（CSR等） 2:写程序可以将libsvm格式的数据转换成COO比较容易，应该是充当libsvm与其他稀疏矩阵存储格式转换的媒介。 3:支持相同的(row,col)坐标上存放多个值。
COO缺点： 1：构建完成后不允许再插入或删除元素。不能进行常规矩阵运算。 2：不能直接进行科学计算和切片操作。
适用场景： 加载数据文件时使用coo_matrix快速构建稀疏矩阵，然后调用to_csr()、to_csc()、to_dense()把它转换成CSR或稠密矩阵。
比较标准，数值，列号，以及行偏移。 (相当于每行的首个元素在value中的index) row offset的数值个数是row + 1, 表示某行第一个元素在values中的位置，如5是第三行第一个元素，它在values中的index是4。
优点： 1：高效地按行切片。 2：快速地计算矩阵与向量的内积。 3：高效地进行矩阵的算术运行，CSR + CSR、CSR * CSR等。
缺点： 1：按列切片很慢（考虑CSC） 2：一旦构建完成后，再往里面添加或删除元素成本很高 3：CSR格式在存储稀疏矩阵时非零元素平均使用的字节数(Bytes per Nonzero Entry)最为稳定（float类型约为8.5，double类型约为12.5）。CSR格式常用于读入数据后进行稀疏矩阵计算。
CSC是和CSR相对应的一种方式，即按列压缩的意思。 以上图中矩阵为例： Values:[1 5 7 2 6 8 3 9 4] Row Indices:[0 2 0 1 3 1 2 2 3] Column Offsets:[0 2 5 7 9] https://blog.csdn.net/haoji007/article/details/105696394 lil dok，CSR 等等
