通过三元组用顺序存储方式封装稀疏矩阵

本文介绍了一个使用C++实现的稀疏矩阵类,该类利用顺序存储结构(三元组数组和行定位数组)来存储非零元素,并提供了矩阵加法、乘法、转置等功能。类中包含添加、修改非零元素的方法,以及计算行定位数组的辅助函数。
摘要由CSDN通过智能技术生成

前两天学了稀疏矩阵的存储方法和一些操作,今天自己将其封装成一个类与大家分享一下(水平有限,如果有什么缺点,请各位大虾多多批评指正)

头文件:
struct Item  //存放非零元信息的结构
{
 int row,col;
 float data;
};

class CMartixA 
{
public:
 void AddVal(int row,int col,float data); //矩阵加上一个数
 void Multiply(CMartixA ma,CMartixA& result);  //矩阵相乘
 void Add(CMartixA  ma,CMartixA& result); //矩阵相加
 void Transpose(CMartixA ma); //求转置矩阵
 void Clear(); //矩阵清零
 void ReSetRPos();  //计算rpos(每行第一个非零元素所对应的m_val位置
 void Print(float result[][Max]);  //将矩阵输出到二维数组result
 void SetVal(int row,int col,float data); //如果data是非零元,则插入或修改
 int GetCol();  //返回列数
 int GetRow();  //返回行数
 int GetNum();  //返回非零元个数
 void SetCol(int col); //设置列数
 void SetRow(int row); //设置行数
 CMartixA();//构造函数
 virtual ~CMartixA();//析构函数

 struct Item m_val[Max];   //存放三元组数组
 int rpos[Max];  //存放每行第一个非零元在数组中的位置
protected:
 int m_row,m_col,m_num;  //行数,列数,非零元个数
};

 

cpp文件:
CMartixA::CMartixA()
{
 m_num = 0;
 m_col = 0;
 m_row = 0;
 for(int i = 0;i<Max;i++)
  rpos[i] = 0;
}

CMartixA::~CMartixA()
{

}

void CMartixA::SetRow(int row)
{
 m_row = row;
}

void CMartixA::SetCol(int col)
{
 m_col = col;
}

int CMartixA::GetNum()
{
 return m_num;
}

int CMartixA::GetRow()
{
 return m_row;
}

int CMartixA::GetCol()
{
 return m_col;
}

void CMartixA::SetVal(int row, int col, float data)
{
//如果data是非零元,则插入或修改
 if(data !=

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我来回答你的问题。 首先,我需要说明一下,Python中的类和对象是面向对象编程的基础,可以用来封装数据和行为,以及实现代码的复用和模块化。在这个问题中,我们可以使用类和对象来实现稀疏矩阵三元组顺序表表示法。 下面是一个可能的实现方式: ```python class SparseMatrix: def __init__(self, row, col, data): self.row = row self.col = col self.data = data def __add__(self, other): if self.row != other.row or self.col != other.col: raise ValueError("Matrix size mismatch") result = [] i, j = 0, 0 while i < len(self.data) and j < len(other.data): if self.data[i][0] < other.data[j][0] or (self.data[i][0] == other.data[j][0] and self.data[i][1] < other.data[j][1]): result.append(self.data[i]) i += 1 elif self.data[i][0] > other.data[j][0] or (self.data[i][0] == other.data[j][0] and self.data[i][1] > other.data[j][1]): result.append(other.data[j]) j += 1 else: result.append((self.data[i][0], self.data[i][1], self.data[i][2] + other.data[j][2])) i += 1 j += 1 while i < len(self.data): result.append(self.data[i]) i += 1 while j < len(other.data): result.append(other.data[j]) j += 1 return SparseMatrix(self.row, self.col, result) ``` 这个类中,我们使用三个属性来表示稀疏矩阵,分别是行数、列数和非零元素的三元组。在 `__add__` 方法中,我们首先判断两个矩阵的大小是否相同,如果不同就抛出异常。然后使用两个指针 `i` 和 `j` 分别遍历两个矩阵三元组,按照行列顺序比较大小,将较小的元素添加到结果中。如果行列相等,就将两个元素的值相加。最后,将剩余的元素添加到结果中,并返回一个新的稀疏矩阵。 使用这个类,我们可以按照以下方式创建两个稀疏矩阵,并对它们进行加法运算: ```python A = SparseMatrix(3, 3, [(0, 0, 1), (0, 2, 2), (1, 1, 3)]) B = SparseMatrix(3, 3, [(0, 1, 4), (1, 0, 5), (2, 2, 6)]) C = A + B print(C.data) # [(0, 0, 1), (0, 1, 4), (0, 2, 2), (1, 0, 5), (1, 1, 3), (2, 2, 6)] ``` 这里我们创建了两个 $3\times 3$ 的矩阵 A 和 B,然后对它们进行加法运算,得到一个新的稀疏矩阵 C,最后输出了 C 的三元组表示法。 希望这个答案能够帮到你!
评论
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