稀疏数组及其处理方式

稀疏数组

  1. 当一个数组中大部分元素为0,或者为同一值的数组时,可以使用稀疏数组来保存该数组。

  2. 稀疏数组的处理方式是:

    1.记录数组一共有几行几列,有多少个不同值

    把具有不同值的元素和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

package com.tt.array;

public class ArrayDemo08 {
    public static void main(String[] args) {
        //1.创建一个二维数组 11*11      0:没有棋子   1:黑棋   2:白棋
        int[][] a1 = new int[11][11];
        a1[1][2] = 1;
        a1[2][3] = 2;
        //输出原始数组
        System.out.println("输出原始的数组");

        for (int[] ints : a1) {
            for (int anInt : ints) {
                System.out.print(anInt+"\t");
            }
            System.out.println();
        }

        System.out.println("================");
        //转化为稀疏数组
        //获取有效值的个数
        int sum = 0;
        for (int i = 0; i < 11; i++) {
            for (int j = 0; j < 11; j++) {
                 if (a1[i][j] != 0){
                     sum++;
                 }
            }
        }
        System.out.println("有效值的个数"+sum);

        //2.创建一个稀疏数组的数组
        int[][] a2 = new int[sum+1][3];
        a2[0][0] = 11;
        a2[0][1] = 11;
        a2[0][2] = sum;

        //遍历二维数组,将非零的值,存放在稀疏数组中
        int count = 0;
        for (int i = 0; i < a1.length; i++) {
            for (int j = 0; j < a1[i].length; j++) {
                if (a1[i][j] != 0){
                    count++;
                    a2[count][0] = i;
                    a2[count][1] = j;
                    a2[count][2] = a1[i][j];
                }
            }
        }

        //输出稀疏数组
        System.out.println("稀疏数组");

        for (int i = 0; i < a2.length; i++) {
            System.out.println(a2[i][0]+"\t"+a2[i][1]+"\t"+a2[i][2]+"\t");
        }

        System.out.println("==================");
        System.out.println("还原");

        //1.读取稀疏数组
        int[][] a3 = new int[a2[0][0]][a2[0][1]];

        //2.给其中的元素还原值
        for (int i = 1; i < a2.length; i++) {
            a3[a2[i][0]][a2[i][1]] = a2[i][2];
        }

        //3.打印
        //输出还原数组
        System.out.println("输出还原的数组");

        for (int[] ints : a3) {
            for (int anInt : ints) {
                System.out.print(anInt+"\t");
            }
            System.out.println();
        }
    }
}

1. 输出原来的数组
在这里插入图片描述
2. 将原数组变为稀疏数组
a.可以得到原数组有11行11列,有效个数为2
b.第一行第二列为“1”
c.第二行第三列为“2”
在这里插入图片描述

3. 输出还原的数组
在这里插入图片描述

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
稀疏矩阵是指矩阵中大部分元素为0的矩阵,而非0元素的数量相对较少。由于这种矩阵的特殊性质,我们可以采用压缩存储的方式来节省存储空间。常用的压缩存储方式有三种:行逐行压缩、列逐列压缩和十字链表压缩。下面以行逐行压缩为例,介绍C语言中稀疏矩阵的压缩存储及其应用。 行逐行压缩是指将稀疏矩阵的每一行转化为一个三元组(i, j, A[i][j]),其中i和j分别表示非零元素的行列下标,A[i][j]表示该元素的值。这样,我们就可以用一个一维数组来存储整个稀疏矩阵。具体的实现代码如下: ``` #include <stdio.h> #include <stdlib.h> #define MAX_SIZE 100 typedef struct { int row; int col; int val; } Triple; void create_sparse_matrix(int rows, int cols, int *matrix, int size, Triple *sparse_matrix) { int i, j, k = 0; for (i = 0; i < rows; ++i) { for (j = 0; j < cols; ++j) { if (matrix[i * cols + j] != 0) { sparse_matrix[k].row = i; sparse_matrix[k].col = j; sparse_matrix[k].val = matrix[i * cols + j]; ++k; } } } sparse_matrix[size].row = rows; sparse_matrix[size].col = cols; sparse_matrix[size].val = k; } void print_sparse_matrix(Triple *sparse_matrix, int size) { int i; printf("行\t列\t值\n"); for (i = 0; i <= size; ++i) { printf("%d\t%d\t%d\n", sparse_matrix[i].row, sparse_matrix[i].col, sparse_matrix[i].val); } } int *sparse_matrix_multiplication(Triple *a, int a_size, Triple *b, int b_size) { if (a[0].col != b[0].row) { return NULL; } int i, j, k; int *c = (int*)malloc(a[0].row * b[0].col * sizeof(int)); for (i = 0; i < a[0].row; ++i) { for (j = 0; j < b[0].col; ++j) { c[i * b[0].col + j] = 0; for (k = 0; k < a_size; ++k) { if (a[k].row == i && b[k].col == j) { c[i * b[0].col + j] += a[k].val * b[k].val; } } } } return c; } int main() { int rows, cols, i, j; int matrix[MAX_SIZE][MAX_SIZE], size; Triple *sparse_matrix; printf("请输入矩阵的行数和列数:"); scanf("%d%d", &rows, &cols); printf("请输入矩阵的所有元素:\n"); for (i = 0; i < rows; ++i) { for (j = 0; j < cols; ++j) { scanf("%d", &matrix[i][j]); } } size = 0; for (i = 0; i < rows; ++i) { for (j = 0; j < cols; ++j) { if (matrix[i][j] != 0) { ++size; } } } sparse_matrix = (Triple*)malloc((size + 1) * sizeof(Triple)); create_sparse_matrix(rows, cols, (int*)matrix, size, sparse_matrix); print_sparse_matrix(sparse_matrix, size); free(sparse_matrix); return 0; } ``` 在这个代码中,我们首先定义了一个三元组`Triple`来表示稀疏矩阵的一个非零元素,其中row和col分别表示行列下标,val表示元素值。然后定义了三个函数,`create_sparse_matrix`用于将原始矩阵转化为稀疏矩阵,`print_sparse_matrix`用于打印稀疏矩阵,`sparse_matrix_multiplication`用于计算两个稀疏矩阵的乘积。 在`create_sparse_matrix`函数中,我们首先遍历整个原始矩阵,找到所有非零元素,并将其转化为一个三元组,存储在稀疏矩阵中。最后,我们在稀疏矩阵的最后一行,存储原始矩阵的行列数和稀疏矩阵中非零元素的个数。在`print_sparse_matrix`函数中,我们直接遍历稀疏矩阵,打印每个三元组的行列下标和元素值。在`sparse_matrix_multiplication`函数中,我们首先判断两个矩阵是否可以相乘,然后遍历第一个矩阵的所有行和第二个矩阵的所有列,对于每个元素,找到它们在两个稀疏矩阵中的对应位置,并计算它们的乘积,最后存储在结果矩阵中。 稀疏矩阵的压缩存储可以大大节省存储空间,特别是当矩阵中非零元素的数量很少时,它的优势更加明显。稀疏矩阵还可以应用于很多实际场景,比如图像处理中的图像压缩、网络流量分析中的路由优化等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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