In [90]: from scipy import sparse

进行输入：

In [91]: Y = np.array([0,3,2,1,5,5,3])    
In [92]: n=len(Y)    
In [93]: data = [1]*n

制作稀疏矩阵：

In [94]: M = sparse.coo_matrix((data, (Y, range(n))), shape=(10,n))

从不同的Angular 来看：

In [95]: M
Out[95]: 
<10x7 sparse matrix of type '<class 'numpy.int32'>'
    with 7 stored elements in COOrdinate format>

In [96]: print(M)
  (0, 0)    1
  (3, 1)    1
  (2, 2)    1
  (1, 3)    1
  (5, 4)    1
  (5, 5)    1
  (3, 6)    1

In [97]: M.toarray()
Out[97]: 
array([[1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0],
       [0, 0, 1, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0, 1],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0]])

该矩阵有3个关键属性，应与输入密切匹配：

In [98]: M.data
Out[98]: array([1, 1, 1, 1, 1, 1, 1])    
In [99]: M.row
Out[99]: array([0, 3, 2, 1, 5, 5, 3])    
In [100]: M.col
Out[100]: array([0, 1, 2, 3, 4, 5, 6], dtype=int32)

给定这样的输入，创建矩阵并没有太多的工作--直接接受输入，或者稍微调整一下，就可以得到第一种数组。
工作是在方法中，比如toarray，它创建了一个密集数组。稀疏矩阵如何Map到该数组应该是显而易见的，尽管代码细节被隐藏了。从我看到的一些错误来看，我认为它实际上是这样的：M.tocsr().toarray()。csr实现了大多数稀疏数学运算以及索引。coo是一种基本格式，在最初创建矩阵时最有用。