《数据结构（刘大有）》学习（4）

K3njuan

已于 2024-09-17 16:20:11 修改

阅读量605

点赞数 21

文章标签：学习数据结构笔记

于 2024-09-17 16:19:30 首次发布

本文链接：https://blog.csdn.net/Kenjuan/article/details/142209303

版权

系列文章目录

文章目录

数组
定义
数组的存储和寻址
存储方式
一维数组和高维数组
行优先和列优先
二维数组
多维数据
自定义数组
矩阵
矩阵相乘
算法Multi-1
算法Multi-2
矩阵压缩
对角矩阵
三角矩阵
对称矩阵
稀疏矩阵
三元组表
十字链表

数组

定义

定义：数组是一组偶对（下标值，数据元素值）的集合，由n（n>1）个具有相同数据类型的数据元素a1，a2...，an组成的有序序列
类型：数组的数据元素具有相同的数据类型
下标：在数组中，对一组具有意义的下标，都存在一个与其对应的值
- 一维数组对应着一个下标值，二维数组对应两个下标值，如此类推
访问：数组是一种随机存储结构，给定一组下标，就可以访问与其对应的数据元素
数组中的数据元素的个数是固定的

数组的存储和寻址

存储方式

一般采用顺序存储的方法来表示数组
数组一般不做插入和删除操作数，数组一旦建立，结构中的元素个数和元素间的关系就不再发生变化

一维数组和高维数组

一维数组：A[n]，每个数组元素占一个存储单元（不妨设为C个连续字节）。数组元素A[0]的首地址Loc（A[0]），则对于0≤i≤n-1，有：

Loc（A[i]）=Loc（A[0]）+i*C

高维数组：可转化为一维数组计算元素地址
- 高维数组有两种存放次序：按行优先顺序和按列优先顺序存储

行优先和列优先

按行优先顺序：将数组元素按行向量的顺序存储
- 第i+1个行向量存储在第i个行向量后
- BASIC、PASCAL、C/C++等程序设计语言中，数组按行优先顺序存放
按列优先顺序：将数组元素按列向量的顺序存储
- 第i+1个列向量存储在第i列向量后
- FORTRAN、Matlab中，数组按列优先顺序存放

示例 int x[2][3]

有 2×3个数组元素

x[0][0] x[0][1] x[0][2]

x[1][0] x[1][1] x[1][2]

按行优先顺序存放，存储分配顺序为：

x[0][0]→x[0][1]→x[0][2]→x[1][0]→x[1][1]→x[1][2]

按列优先顺序存放，存储分配顺序为：

x[0][0]→x[1][0]→x[0][1]→x[1][1]→x[0][2]→x[1][2]

二维数组

二维数组可以看作是一种特殊的一维数组。如 float a[3][4]

二维数组（m×n）中元素a[i][j]的地址：（假设一个元素占C个存储空间）

Loc（a[i][j]）= Loc（b[i]）+ j*C

Loc（b[i]） = Loc（b[0]）+ i*C

Loc（a[i][j]）= Loc（a[0][0]） + i*n*C + j*C = Loc（a[0][0]）+ （i*n + j）*C

多维数据

多维数组元素在内存排列顺序为：第一维的下标变化最慢，最右边的维的下标变化最快

示例：float a[2][3][4]

a[i1][i2]......[in]的存储地址（行优先，每一行的数量分别是mp,p={1,2,.....，n}）

a[i1][i2]....[in]的存储地址，行优先

$Loc(i_{1},i_{2},...,i_{n}) = Loc(0,0,...,0)+\{\sum_{k=1}^{n}(i_{k}\times \prod_{p=k+1}^{n}m_{p})\}\times C$

a[i1][i2]....[in]的存储地址，列优先

$Loc(i_{1},i_{2},...,i_{n}) = Loc(0,0,...,0)+\{\sum_{k=1}^{n}(i_{k}\times \prod_{p=n+2-k}^{n}m_{p})\}\times C$

自定义数组

直接创建数组的局限
- 无法对数组执行一些简单的运算，如数组加法和数组剑法等操作
- 没有越界索引保护，不检查数组的下标索引值是否在0到arraysize-1范围内。例如一些高级程序设计语言对越界访问并不一定产生异常。没有越界保护会直接给程序调试带来难以预料的困难
数组类型时高级程序设计语言所提供的基本数据类型之一，可定义一组相同类型的元素
- 重载一些必要的运算符
- 重载对下标符号“[ ]”
- 提供越界保护

矩阵

矩阵时许多物理问题中出现的数学对象，是一种常用的数据组织方式。计算机工作者关心的是矩阵在计算机中如何储存，以及如何实现矩阵的基本操作
二维数组与矩阵相比
- 数组的基本操作是数组加减，而矩阵的基本操作还有矩阵相乘、矩阵转置等
- 数组的下标从0开始，而矩阵的下标一般从1开始
- 数组元素用a[i][j]表示，而矩阵元素一般用a（i，j）表示

矩阵相乘

对于矩阵 $A_{m \times p}$ 和矩阵 $B_{p \times n}$ 的乘积 $C_{m \times n}$ ，其i行j列元素cij的计算公式为 $\sum_{k=1}^{p}(a_{ik}\times b_{kj})$
有两种方法：
- Multi-1:矩阵 $A_{m \times p}$ 和 $B_{p \times n}$ 直接相乘
- Multi-2:矩阵 $A_{m \times p}$ 和 $B_{p \times n}$ 转化为一维数组再乘

算法Multi-1

for i = 0 TO m DO

for j = 1 TO n DO

cij = 0

for k = 1 TO p DO

cij += Aij * Bkj

算法Multi-2

将矩阵转化为一维数组，按行优先
- 用一维数组s 存放 $A_{m \times p}$
- 用一维数组t存放 $B_{p \times n}$
- 求存放A与B的乘积 $C_{m \times n}$ 的一维数组w
定位
- cs为A中i行k列元素的下标，则A中i行k+1列的元素下标为cs+1
- ct为B中k行j列元素的下标，则B中k+1行j列元素的下标为ct+n

cw = 0

for i = 1 TO m Do

cs = (i-1)*p

for j = 1 TO n DO

ct = j - 1

w[cw] = 0

for k = 1 TO p DO

w[cw] += s[cs]*t[ct]

cs += 1

c t += n

cw += 1

两种算法都包含了三层for循环，所以其时间复杂性为O（m*n*p）

矩阵压缩

矩阵存储：可以存在一维数组中
局限：特殊的矩阵可能浪费存储空间
- 对称矩阵
- 三角矩阵
- 对角矩阵
- 稀疏矩阵
解决办法:矩阵压缩

对角矩阵

定义：对n*n的对角矩阵M所有的 i ≠ j （1 ≤ i，j ≤ n）都有M（i，j）= 0，即非对角线上元素均为0
对于一个n*n的对角矩阵，至多只有n个非零元素，因此只需存储n个对角元素的信息。采用一维数组d[n]来压缩存储对角矩阵，其中d[I]存储M[i，i]的值

三角矩阵

三角矩阵分为上三角矩阵和下三角矩阵
方阵M是上三角矩阵，当且仅当 i ＞j是有M（i，j）= 0
方阵M是下三角矩阵，当且仅当 i ＜j是有M（i，j）= 0

分析（以下三角矩阵为例）
- 将下三角矩阵映射为一个一维数组d需要n(n+1)/2个元素
解决思路
- 设元素M（i，j）前面有k个元素，可以计算出
  - k = 1+2+...+(i-1)+(j-1) = i(i-1)/2 + (j-1)
- 设一维数组d的下标是从0开始，则M（i，j）映射到d中所对应的元素是a[k]
- 有了k的计算公式，可以很容易实现下三角矩阵的压缩存储

对称矩阵

分析
- 对称矩阵映射为一个一维数组需要n(n+1)/2
解决思路
- 下三角矩阵， i ≥ j，映射到d[k]，k = i(i-1)/2 + (j-1)
- 上三角矩阵， i＜j，映射到d[q]，q = i(2n-i+1)/2+ j-i

稀疏矩阵

定义：设矩阵 $A_{m \times n}$ 中非零元素个数远远小于令其元素的个数，则称A为稀疏矩阵
特点：零元素的分布一般没有规律，无法简单利用一维数组和映射公式来实现其压缩存储
作用：仅存储非零元素，节省空间
稀疏矩阵压缩存储方法：
- 存储行号和具体值
- 示例对aij其存储形式为

对aij其存储由三元组结点（i，j，aij）组成

在三元组结点的基础上实现对整个稀疏矩阵的存储
- 顺序存储方法实现的三元组表
- 链接存储方式实现的十字链表

三元组表

示例：稀疏矩阵A及其对应的三元组B

算法Transpose(a,b)

j = 0

if aount <=0 return;

for k = 1 TO n DO

for i = 0 TO count-1 DO

if col(a[i]) = k

row(b[j]) = k

col(b[j]) = row(a[i])

val(b[j]) = value(a[i])

j + = 1