数据结构-稀疏数组

稀疏数组是一种特殊的数据结构，主要用于存储那些大部分元素为零或者未使用的大型数组。以下是关于稀疏数组的详细知识点，按照分点表示和归纳的方式整理：

一、定义

• 稀疏数组是指那些大部分内容值为空（通常为0）的数组。在矩阵中，若数值为0的元素数目远远多于非0元素的数目，并且非0元素分布没有规律时，则称该矩阵为稀疏矩阵。
• 通常认为，矩阵中非零元素的总数比上矩阵所有元素总数的值小于等于0.05时，该矩阵可被视为稀疏矩阵。

二、特点

• 节省存储空间：由于稀疏数组中大部分元素为零或未使用，直接存储整个数组会浪费大量存储空间。稀疏数组通过仅存储非零元素及其位置信息，极大地减少了存储需求。
• 提高处理效率：对于稀疏数组，由于非零元素数量较少，因此在执行相关操作时（如矩阵运算），可以只关注非零元素，从而提高处理效率。

三、存储方式

• 三元组表示法：将非零元素及其坐标信息（行、列）作为记录存储，每条记录包含三个数据：（行索引，列索引，元素值）。
• 压缩稀疏行（CSR）或压缩稀疏列（CSC）格式：更高级的稀疏数组存储格式，通过三个数组分别存储非零元素值、对应的行索引和列开始位置索引，从而更快地访问和操作非零元素。

四、应用场景

• 游戏编程中的地图数据存储：如棋类游戏（五子棋、围棋等），只需要存储落子的位置及其状态。
• 大规模科学计算中的稀疏矩阵运算：例如在有限元分析、网络图论等领域。
• 图像处理：在图像处理中，某些图像可能包含大量黑色或白色像素（即值为0或某个固定值），可以使用稀疏数组来存储这些图像以节省空间。

五、优势

• 空间效率：通过仅存储非零元素及其位置信息，稀疏数组显著提高了空间效率。
• 时间效率：在处理稀疏数组时，由于非零元素数量较少，因此可以更快地执行相关操作。

六、代码示例

     在Java中，稀疏数组的实现通常涉及到一个自定义的类，用于存储非零元素的值以及它们的位置（通常是行索引和列索引）。下面是一个简单的Java实现，用于将二维数组转换为稀疏数组，并允许从稀疏数组恢复原始数组（如果可能的话）。

首先，我们定义一个Triple类来存储非零元素的三元组（值、行索引、列索引）

public class Triple {  
    public int row;  
    public int col;  
    public int value;  
  
    public Triple(int row, int col, int value) {  
        this.row = row;  
        this.col = col;  
        this.value = value;  
    }  
}

接着，我们实现稀疏数组的相关操作

import java.util.ArrayList;  
import java.util.List;  
  
public class SparseArray {  
  
    // 原始二维数组转换为稀疏数组  
    public static List<Triple> toSparseArray(int[][] array) {  
        List<Triple> sparseArray = new ArrayList<>();  
        int rows = array.length;  
        int cols = rows > 0 ? array[0].length : 0;  
  
        // 遍历原始二维数组，找出非零元素  
        for (int i = 0; i < rows; i++) {  
            for (int j = 0; j < cols; j++) {  
                if (array[i][j] != 0) {  
                    sparseArray.add(new Triple(i, j, array[i][j]));  
                }  
            }  
        }  
  
        // 稀疏数组应包含原始数组的大小信息（可选）  
        // 这里省略，因为示例中只处理非零元素  
  
        return sparseArray;  
    }  
  
    // 稀疏数组恢复为原始二维数组  
    public static int[][] fromSparseArray(List<Triple> sparseArray, int rows, int cols) {  
        int[][] array = new int[rows][cols];  
  
        // 将非零元素放回到原始二维数组的位置  
        for (Triple triple : sparseArray) {  
            array[triple.row][triple.col] = triple.value;  
        }  
  
        return array;  
    }  
  
    // 示例代码  
    public static void main(String[] args) {  
        // 原始二维数组  
        int[][] originalArray = {  
                {1, 0, 0, 4},  
                {0, 0, 3, 0},  
                {0, 0, 0, 0}  
        };  
  
        // 转换为稀疏数组  
        List<Triple> sparseArray = toSparseArray(originalArray);  
  
        // 输出稀疏数组（仅为示例）  
        for (Triple triple : sparseArray) {  
            System.out.println("(" + triple.row + ", " + triple.col + "): " + triple.value);  
        }  
  
        // 从稀疏数组恢复原始二维数组（需要知道原始数组的大小）  
        int[][] recoveredArray = fromSparseArray(sparseArray, originalArray.length, originalArray[0].length);  
  
        // 输出恢复后的数组（仅为示例）  
        for (int[] row : recoveredArray) {  
            for (int value : row) {  
                System.out.print(value + " ");  
            }  
            System.out.println();  
        }  
    }  
}

在上面的代码中，toSparseArray 方法将二维数组转换为稀疏数组（即一个Triple对象的列表），而fromSparseArray 方法则将稀疏数组恢复为原始的二维数组。注意，在恢复过程中，我们需要知道原始数组的行数和列数，因为这些信息在稀疏数组中通常是不存储的。在实际应用中，可能需要将原始数组的大小信息也作为稀疏数组的一部分来存储。

七、总结

稀疏数组是一种优化的数据结构，通过仅存储非零元素及其位置信息来节省存储空间并提高处理效率。它在游戏编程、科学计算和图像处理等领域具有广泛的应用。