稀疏矩阵（Python实现）

TCatTime

已于 2022-11-18 14:30:22 修改

阅读量7.5k

点赞数 7

分类专栏： Python # Python常见题目文章标签： Python 稀疏矩阵

于 2019-08-24 09:50:56 首次发布

本文链接：https://blog.csdn.net/TCatTime/article/details/97039177

版权

什么是稀疏矩阵

简单的说，如果一个矩阵中大部分元素为0，就被称为稀疏矩阵。

对于稀疏矩阵而言，实际存储的数据项很少。如果在计算机中采用传统的二维数组（在Python中使用二维列表）来存储稀疏矩阵，就会浪费大量的内存空间来存储0。比如一个10000 X 10000的稀疏矩阵，只有一个元素非0，若采用传统的存储技术，将浪费太多的内存来存储无意义的0。

稀疏矩阵的存储

对于稀疏矩阵，我们只需要记住矩阵中非0元素的位置和值、以及系数矩阵的大小（行数和列数）这些有用信息即可。也就是说，我们可以用一个包含3列的二维数组存储稀疏矩阵中的非0项，记录非0项的所在行、所在列和值信息以及记录稀疏矩阵行数和列数信息。

例如对于下面的3X3稀疏矩阵：

0	0	0
0	0	0
3	0	7

我们用下面的压缩矩阵来存储稀疏矩阵：

3	3	2
2	0	3
2	2	7

上面的压缩矩阵中，第0行（也就是标黄的部分）存储稀疏矩阵的行数（3）、列数（3）和非0项数据的个数（2）。

从第1行开始，存储非0项所在的行数、所在的列数和值。每一行存储一个非0项的信息。

示例题目

题目描述

输入一个稀疏矩阵，打印稀疏矩阵和压缩后的结果。

输入/输出描述

输入描述：

输入矩阵的行数和列数，在输入每一个位置对应的值。

例如下面输入了一个3 X 3的稀疏矩阵：

Input matrix rows: 3
Input matrix columns: 3
Input matrix[0][0]: 0
Input matrix[0][1]: 0
Input matrix[0][2]: 0
Input matrix[1][0]: 34
Input matrix[1][1]: 0
Input matrix[1][2]: 23
Input matrix[2][0]: 0
Input matrix[2][1]: 0
Input matrix[2][2]: 0

输出描述：

输出原矩阵和压缩后的稀疏矩阵：

------matrix------
|	0	0	0	|
|	34	0	23	|
|	0	0	0	|
---------------
After Compress matrix ---> sparse_matrix: 
|	3	3	2	|
|	1	0	34	|
|	1	2	23	|

代码


# 声明稀疏元素和稀疏系数
SPARE_ELEMENT = 0
SPARE_RATE = 0.5

class MatrixError(Exception):
    def __init__(self, message, code):
        self.message = message
        self.code = code


def isSparse(matrix):
    """
    Judge spare matrix.
    :param matrix: matrix
    :return: boolean
    """
    sum = len(matrix) * len(matrix[0])
    spare = 0

    for row in range(len(matrix)):
        for column in range(len(matrix[row])):
            if matrix[row][column] == SPARE_ELEMENT:
                spare += 1

    if spare / sum >= SPARE_RATE:
        return True
    els