2024年大数据最新【开卷数据结构 】稀疏矩阵_数据结构稀疏矩阵(1),看完直接怼项目经理

文章介绍了适合不同水平的大数据学习者的一套全面资料,包括矩阵基础知识、稀疏矩阵的定义、存储方式(如二维数组和三元组表示)、转置操作以及矩阵乘法。提供了一站式的教学内容,包括大厂面经、学习资源和持续更新的视频教程。
摘要由CSDN通过智能技术生成

img
img
img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

需要这份系统化资料的朋友,可以戳这里获取

Q:什么是矩阵

**A:**数学上,一个矩阵由 m 行 n 列的元素组成,是一个 m 行,n 列的表,m 和 n 是矩阵的维度。一般地,写作 mxn(读作“m乘n”)来指明一个 m 行 n 列矩阵。矩阵的元素个数总计为 mn 个。如果 m 等于 n ,矩阵为方阵。

一般情况下,矩阵的标准存储方式是一个二维数组 a[MAX_ROWS][MAX_COLS] 。利用这种存储方式,可以通过 a[i][j] ,通过行下标,列下标快速找到任意元素的存储位置。


Q:什么是稀疏矩阵

**A:**一个矩阵的绝大部分都为零元素,我们把这种矩阵称为稀疏矩阵。

**如图:**矩阵中只有 2/15 是非零元素,这就是一个标准的稀疏矩阵


Q:二维数组储存矩阵的缺点

**A:**如果一个矩阵中包含很多零元素(是稀疏矩阵),就会浪费大量的存储空间。因此,稀疏矩阵的存储表示只需存储非零元素。


Q:稀疏矩阵的存储方式

**A:**通过对矩阵的分析,我们发现使用三元组 <row,col,value> 能够唯一的刻画矩阵的任意一个元素。这意味者可以使用三元数组来存储表示稀疏矩阵。

💬 代码演示

#define MAX_TERMS 101	//定义最大长度 
typedef struct{
	int col;
	int row;
	int xalue;
}term;
term a[MAX_TERMS];

我们可以用 a[0].row 表示行的数目,用 a[0].col 表示列的数目,用 a[0].value 表示非零元素的总数。其他位置 row 域存放行下标, col 域存放列下标,value 域存放元素值。三元组按照行的顺序排序,并且在同一行内按照列的顺序排序。

稀疏矩阵存储为三元组

a[0]564
a[1]0015
a[2]1111
a[3]236
a[4]409

94536690f848438fab30aa17191a6ea2.png

🌺稀疏矩阵的转置

🍁详细思路

为了转置一个矩阵,必须交换它的行和列。也就是说,原矩阵的任意元素 a[i][j] 应该成为其转置矩阵的元素 b[j][i]


🍀思路一

依次循环每一列,找到每一列的所有元素并把他们储存在转置矩阵的对应的行上。

//伪代码
for 对于 j 列的所有元素
    把元素<i,j,value>放置在元素<j,i,value>中

💬 代码演示

void transpose(term a[],term b[])
//b是a的转置 
{
	int n,i,j,currentb;
	n=a[0].value;			//元素总数 
	b[0].row=a[0].col;		//b的行数=a的列数
	b[0].co 1=a[0].row;	    //b的列数=a的行数
	b[0].value =n;
	if(n> 0) 
	{// 非零矩阵 
		currentb=1;
		for(i=0;i<a[0].col;i++)
		//按a的列转置
			for(j=1;j<=n;j++)
			//找出当前列的所有元素
				if(a[j].col==i)
				{//元素是当前列的,加入b
					b[currentb]. row=a[j]. col;
					b[currentb]. col=a[j]. row;
					b[currentb]. value=a[j]. value;
					currentb++;
				}
	}
}

🍀思路二

首先确定原矩阵中每一列的元素个数,这也就是其转置矩阵中每一行的元素个数。于是就可以得到转置矩阵每行的起始位置,从而,可以将原矩阵的元素依次移到其转置矩阵中的恰当位置。

💬 代码演示

void fast transpose(term a[], term b[])
{
//将a的转置矩阵存放于b中 
	int row terms[MAX_COL], starting pos[MAX_COL]; 
	int i,j, num_cols=a[0].col, num_terms=a[0].value;
	b[0].row=num_cols;b[0].col=a[0].row;
	b[0].value=num_terms;
	if(num_terms>0){//非零矩阵
		for(i=0;i<num_cols;i++)
			row_terms[i]=0;
		for(i=1;i<=num_terms;i++)
			row_terms[a[i]. co]]++;
		starting_pos[0]=1;
		for(i=1;i<num cols;i++)
			starting_pos[i]=starting_pos[i-1]+row_terms[i-l];
		for(i=1;i<=num_terms;i++){
			j=starting_pos[a[i].col]++;
			b[j].row=a[i].col;b[j].col=a[i].row;
			b[j].value=a[i].value;
		}
	}
}

94536690f848438fab30aa17191a6ea2.png

🌺稀疏矩阵的乘法

Q:什么是矩阵乘法

**A:**设A为 mxp 的矩阵,B为 pxn 的矩阵,那么称 mxn 的矩阵D为矩阵A与B的乘积,记作D=AB,其中矩阵D中的第 i 行第 j 列元素可以表示为:

**注意:**两个稀疏矩阵的乘积可能不再是稀疏矩阵

img
img
img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

需要这份系统化资料的朋友,可以戳这里获取

g-9bTZxlaY-1714883077584)]

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

需要这份系统化资料的朋友,可以戳这里获取

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值