稀疏矩阵的压缩存储方法

1 什么是稀疏矩阵：
        在矩阵中，我们常见的都是稠密矩阵，即非0元素数目占大多数时；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。与之相区别的是，如果非零元素的分布存在规律（如上三角矩阵、下三角矩阵、对角矩阵），则称该矩阵为特殊矩阵。下图1为一个稀疏矩阵的示例

                                            图1
        稀疏因子是用于描述稀疏矩阵的非零元素的比例情况。设一个n*m的稀疏矩阵A中有t个非零元素，则稀疏因子δ的计算公式如下：δ=t/(n∗m), 当这个值小于等于0.05时，可以认为是稀疏矩阵

2 稀疏矩阵的存储方式

        存储矩阵的一般方法是采用二维数组，其优点是可以随机地访问每一个元素，因而能够较容易地实现矩阵的各种运算。但对于稀疏矩阵而言，若用二维数组来表示，会重复存储了很多个0了，浪费空间，而且要花费时间来进行零元素的无效计算。所以必须考虑对稀疏矩阵进行压缩存储。

        最常用的稀疏矩阵存储格式主要有：三元组（i,j,a(i,j)）和CSR（Compressed Sparse Row）。

（1） 三元组（i,j,a(i,j)）（也叫COO（Coordinate Format））

        三元组（i,j,a(i,j)）很简单，就是使用3个数组，分别存储全部非零元的行下标（row index）、列下标（column index）和值（value）

typedef struct
{
    int row;        //行坐标
    int col;        //列坐标
    int value;    //该点的值
} item;

        这里item表示矩阵中的非0点，用item[num+1]来表示一个矩阵，至于为什么是num+1，这是因为item数组的首值为{行数，列数，非0值个数}结构，除首值外，其余值表示的矩阵中非0值的行列坐标以及其值

 

这种方式简单，但是记录单信息多（行列），每个三元组自己可以定位，因此空间不是最优。

（2） CSR存储（Compressed Sparse Row，压缩稀疏的行）

      CSR是比较标准的一种，也需要三类数据来表达：数值，列号，以及行偏移。数值和列号与COO一致，表示一个元素以及其列号，行偏移表示某一行的第一个元素在values里面的起始偏移位置。如上图中，第一行元素1是0偏移，第二行元素2是2偏移，第三行元素5是4偏移，第4行元素6是7偏移。在行偏移的最后补上矩阵总的元素个数