js 矩阵转置_矩阵应用实例及js实现矩阵转置算法

场景:

后端返回的是[[‘2015-1-1’,1,1],[‘2015-1-2’,1,2]]这样的Json数组,代表的意思是2015-1-1这个日期下新增的数据为1,减少的数据为1,2015-1-2这个日期,新增的数据为1,减少的数据为2,但是在统计图表上要在x轴显示时间,y轴显示新增和减少的数据这时,就要把数据转化成[[‘2015-1-1’,’2015-1-2’],[1,1],[1,2]]这样的结构,这也可以叫做矩阵的转置。

关于矩阵转置,可以用下图简单说明一下:

图片描述(最多50字)

A表示的是原始矩阵,At表示转置后的矩阵。

用js实现这样的算法如下:

function reverseMatrix(sourceArr) {

var reversedArr = [];

for(var n = 0; n < sourceArr[0].length; n++) {

reversedArr[n] = [];

for(var j = 0; j < sourceArr.length; j++) {

reversedArr[n][j] = sourceArr[j][n];

}

}

return reversedArr;

}

测试这个算法:

var tArr = [

[1, 2, 3],

[1, 2, 3]

];

var testArr = reverseMatrix(tArr);

console.log(JSON.stringify(testArr));

此时输出的二维数组(矩阵)为:

[[1,1],[2,2],[3,3]]

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实现稀疏矩阵的快速算法可以有多种方法,其中一种常用的方法是使用三元组(也称为三元组表)来表示稀疏矩阵。三元组表是一种用于表示稀疏矩阵的数据结构,它将矩阵中所有非零元素的行、列和值存储在一个数组中。 下面是使用三元组表实现稀疏矩阵的快速算法的Java代码: ```java public static void transpose(int[][] matrix) { // 计算矩阵的行数和列数 int numRows = matrix.length; int numCols = matrix[0].length; // 统计矩阵中非零元素的个数 int numNonZeros = 0; for (int i = 0; i < numRows; i++) { for (int j = 0; j < numCols; j++) { if (matrix[i][j] != 0) { numNonZeros++; } } } // 创建三元组表 int[][] triplets = new int[numNonZeros][3]; int k = 0; for (int i = 0; i < numRows; i++) { for (int j = 0; j < numCols; j++) { if (matrix[i][j] != 0) { triplets[k][0] = i; triplets[k][1] = j; triplets[k][2] = matrix[i][j]; k++; } } } // 对三元组表进行快速 int[][] transposedTriplets = new int[numNonZeros][3]; int[] colCounts = new int[numCols]; for (int i = 0; i < numNonZeros; i++) { colCounts[triplets[i][1]]++; } int[] colStarts = new int[numCols]; colStarts[0] = 0; for (int i = 1; i < numCols; i++) { colStarts[i] = colStarts[i - 1] + colCounts[i - 1]; } for (int i = 0; i < numNonZeros; i++) { int j = colStarts[triplets[i][1]]; transposedTriplets[j][0] = triplets[i][1]; transposedTriplets[j][1] = triplets[i][0]; transposedTriplets[j][2] = triplets[i][2]; colStarts[triplets[i][1]]++; } // 将后的三元组表换回稀疏矩阵 int[][] transposedMatrix = new int[numCols][numRows]; for (int i = 0; i < numNonZeros; i++) { transposedMatrix[transposedTriplets[i][0]][transposedTriplets[i][1]] = transposedTriplets[i][2]; } // 将后的矩阵赋值给原矩阵 for (int i = 0; i < numRows; i++) { for (int j = 0; j < numCols; j++) { matrix[i][j] = transposedMatrix[i][j]; } } } ``` 该算法的时间复杂度为O(N+NZ),其中N为矩阵的大小,NZ为矩阵中非零元素的个数。该算法的空间复杂度为O(NZ)。

“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
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