稀疏数组转化

最新推荐文章于 2024-11-02 20:41:42 发布

draymond7107

最新推荐文章于 2024-11-02 20:41:42 发布

阅读量142

点赞数

分类专栏：数据结构与算法文章标签：数据结构

本文链接：https://blog.csdn.net/Draymond_feng/article/details/108704058

版权

数据结构与算法专栏收录该内容

8 篇文章 0 订阅

订阅专栏

1：使用场景

	下棋，一个棋盘更多的位置是没有棋子的，在保存进度文档的时候，如果棋盘的所有元素都保存，则占用空间大。（棋盘类似二维数组）

2：作用

	压缩，将大的二维数组压缩成小的二维数组。(只保存了有效元素的二维数组)

3：实现思路

3.1 新的二维稀疏数组大小

	(有效元素个数+1)*3

3.2 获取原棋盘：长度、行数、有效元素个数

	将此信息存储到新的二维稀疏数组第一行，便于读档时还原

3.3 存储位置对照

	稀疏数组第一列： 原二维数组有效元素 行号
	稀疏数组第二列： 原二维数组有效元素 列号
	稀疏数组第三列： 原二维数组有效元素 值

3.4 循环保存

4 代码

5 稀疏数组还原

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

draymond7107

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

JAVA 将二维数组转化为稀疏数组保存到文件,再读取文件转化为二维数组

Sundy_sc的专栏

07-23

662

场景：将五子棋盘（二维数组）中，有效的数据保存到稀疏数组中并将稀疏数组保存到本地文件。然后将读取文件中的数据，并将数据转换成二维数组。因为五子棋该二维数组中有很多值是默认值 0, 因此记录了很多没有意义的数据.所以这里使用到稀疏数组，保存有效数据。解题思路：二维数组转 稀疏数组并存入本地文件： 1. 遍历原始的二维数组，得到有效数据的个数 sum 2. 根据sum 就可以创建 稀疏数组 sparseArr int[sum + 1] [3] 3. 将二维数组的有效数据数...

Java实现稀疏数组转化

zt的博客

12-12

297

什么是稀疏数组？ 稀疏数组可以看做是普通数组的压缩，但是这里说的普通数组是值无效数据量远大于有效数据量的数组普通数组转化为稀疏数组 代码实现

参与评论您还未登录，请先登录后发表或查看评论

JAVA实现稀疏数组转化

GGBond778的博客

07-15

695

如何快速理解稀疏数组并进行算法实现

数据结构与算法---（二维数组转化为稀疏数组-稀疏数组还原为二维数组）

m0_55796087的博客

05-07

155

稀疏数组 使用场景某些特定情况下(棋盘，地图等等)，可能二维数组中存在很多无意义的数据，我们可以将它转化为稀疏数组，来节省存储空间以下是二维数组转化为稀疏数组-稀疏数组还原为二维数组的整个过程的代码实现： package com.chuang; public class SparseArray { public static void main(String[] args) { //创建一个原始二维数组 11* 11 //0 表示没有棋子 1 表示黑子 2表示

稀疏数组的转化

handsome_confide的博客

10-09

138

稀疏数组的转化

二维数组和稀疏数组互相转化

刘亚男

04-12

298

稀疏数组简介当数组中大部分数据为0，或者为同一数组时，可以使用稀疏数组来保存。处理方法：记录数组共有几行几列，有多少不同的值把具有不同值的元素行为及值记录在一个小规模的数组中，从而缩小程序的规模例子：某一个数组如下所示：将其转化为稀疏数组：代码实现二维数组转化为稀疏数组： public static void main(String[] args) { ...

稀疏数组的转换

qq_47155894的博客

10-23

183

简单稀疏矩阵的简单转换

二维数组与稀疏数组的相互转化

qq_45326705的博客

10-19

162

package com.haoran.array; public class Demo08 { //写一个展示普通二维数组并转换为稀疏数组 并可以翻转 public static void main(String[] args) { int [][] array0=new int[5][5]; array0[0][1]=1; array0[1][2]=2; array0[4][4]=5; arrayprin.

二维数组和稀疏数组转化

weixin_44786578的博客

04-28

136

**应用场景：**当一个数组中大部分元素为0，或者为同一个值的数组时，可以使用稀疏数组来存储给数组。从而达到压缩数组的目的 稀疏数组的处理方法：记录数组一共有几行几列，有多少不同的值。把具有不同值的元素的行列及值记录在一个小规模的数组中，从而缩小程序的规模。该小规模数组就是稀疏数组。图例： java代码实现： //前提：需要了解二维数组与稀疏数组的关系 public class sparseArray { //二维数组转稀疏数组 public static int[][] arra

稀疏数组与二维数组转化，将稀疏数组存入磁盘

weixin_52364868的博客

10-15

284

算法学习之稀疏数组

稀疏数组的应用

jxau_dslj的博客

01-25

506

稀疏数组一、稀疏数值二、使用步骤1.引入库2.读入数据总结一、稀疏数值当一个数组中大部分元素为0时，或者为同一个值的数组时，可以使用稀疏数组来保存该数组。二、使用步骤 1.引入库代码如下（示例）： import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings('ignore') import

稀疏数组（压缩数组）

XPiedPiperX的博客

12-08

956

如何用代码来表示棋盘？棋盘（11 * 11）如图所示，一个 11 * 11 的围棋棋盘。三枚黑子的位置分别为 (1,2) (2,3) (3,2) 一枚白子的位置为 (2,2) 传统方式一般会联想到二维数组来表示棋盘，假设：黑棋的值为1。白棋的值为2。没有落子的值为0。用二维数组来表示棋盘和棋子的 Golang 代码： package main import "fmt" type Node struct { row int // 行 column in..

稀疏数组优化：如何处理大规模稀疏数组？

[稀疏数组优化：如何处理大规模稀疏数组？](https://img-blog.csdnimg.cn/645c7d467290404eb8ce99b57b1d7324.png) # 1. 稀疏数组的定义与应用 稀疏数组是指绝大部分元素为零或默认值，仅少部分非零元素的数组结构。...

java实现二维数组和稀疏数组的转化并保存在文件中去

new_buff_007的博客

08-04

519

实现的思路：实现代码： public class SparseArray_a { // 原始的棋盘是有11*11 // 有两个棋子，在 1,2 和 2,3 这两个地方 // 其中0 代表空的 1 代表黑子 2 代表蓝子 public static void main(String[] args) { int chessArr[][] ...

通用型函数——冒泡排序

2401_84654619的博客

10-29

405

计算机中，任何数据最终都是二进制数，故只需有足够的空间，就可以将任何数据存储起来，相应的，读取时使用数据类型容器识别就可还原原本的意思。memcpy函数用于将指定数量的字节从源内存地址（src）复制到目标内存地址（dest）。n : 要复制的字节数，类型为size_t表示要复制的字节的数量。代码：（char型）

数据结构和算法-动态规划(3)-经典问题

qq_36115196的博客

10-30

829

动态规划(Dynamic Programming): 计算并存储小问题的解，并将这些解组合成大问题的解。

java-数据结构

2301_80708315的博客

10-30

996

如果使用 left < right 作为条件，那么在最后一次迭代中，当 left 和 right 相邻时（即 left = right - 1），循环就会提前终止，从而可能错过目标元素（如果它正好位于 left 或 right 指向的位置）。left ==right 意味着它们指向的元素也会参与比较，left < right 只意味着middle指向的元素参与比较。l为总循环次数，当元素在最右边与最左边时的循环次数不一致。eg 当我的数组为{1，23，45，77，123}时我查找12时就会返回。

【数据结构篇】探索堆的算法的巧妙

braveact的博客

11-02

558

⽤剩余的N-K个元素依次与堆顶元素来⽐较，不满⾜则替换堆顶元素，然后再将交换进去后的元素向下调整（保证这k个元素始终是堆），最后将剩余N-k个元素依次与堆顶元素⽐完之后，堆中剩余的K个元素就是所求的前k个最⼩或者最⼤的元素。对于Top-K问题，能想到的最简单直接的⽅式就是排序，但是：如果数据量⾮常⼤，排序就不太可取了 (可能数据都不能⼀下⼦全部加载到内存中)。依次将堆顶最大的数据与最后一个（不断发生变化）元素交换，每次都是将最大的数据放最后，可以想象一下，就是升序了。前k个最⼩的元素，则建⼤堆。

数据结构，问题 F: 括弧匹配检验