您可以使用scipy从密集的numpy数组中创建稀疏矩阵，这些数组仅存储索引中具有非零条目的值。

import scipy
import pickle

I = np.eye(10000)  #Had 10000 nonzero values along diagonal
S = scipy.sparse.csr_matrix(I)
S

<10000x10000 sparse matrix of type '<class 'numpy.float64'>'
    with 10000 stored elements in Compressed Sparse Row format>

这是非常高效的内存，当你需要的时候，你可以使用pickle来转储/加载这个稀疏矩阵。

#Pickle dump
file = open("S.pickle",'wb') #160kb
pickle.dump(S, file)

#Pickle load
file = open("S.pickle",'rb') 
S = pickle.load(file)

为了得到一个密集的表示，你可以简单地使用.toarray()来得到一个NumPy数组，或者使用.todense()来得到一个矩阵类型的对象。

S.toarray()

array([[1., 0., 0., ..., 0., 0., 0.],
       [0., 1., 0., ..., 0., 0., 0.],
       [0., 0., 1., ..., 0., 0., 0.],
       ...,
       [0., 0., 0., ..., 1., 0., 0.],
       [0., 0., 0., ..., 0., 1., 0.],
       [0., 0., 0., ..., 0., 0., 1.]])

对于那些阅读后的事实：@hpaulj使用np.nonzero的评论有效地解决了这个问题！
编辑：这是我用来解决它的代码！

array1, array2 = np.nonzero(array)
    for i in range(0, array1.size):
        file.write("{} {} {{}}\n".format(array1[i], array2[i]))