🎇【数据结构】特殊矩阵的压缩存储🎇
🍰一.数组的存储结构
🚀1.数组的定义
数组是由n个相同类型的数据元素所构成的有限序列
数组和线性表的关系:
数组是线性表的推广:一维数组可以看做是一个线性表,而对于二维数组而言,可以看成是有多个线性表组成的线性表
也就是每一行 / / /列视都为一个线性表,总的线性表内每一个元素也是一个定长的线性表
🚀2.数组的存储结构
- 对于一维数组的存储,就是线性表,一维数组的所有元素在内存空间中占用一段连续的内存空间
那么,对于多维数组的存储,在计算机中是如何实现的呢?
-
对于多维数组的存储,在计算机中仍表现为一维数组的形式,也就是一段连续的内存空间
接下来,我们就要去尝试模拟计算机存放多维数组的过程:
有两种映射方式:行优先和列优先
①行优先:
以二维数组为例,以行优先存储的方式为:也就是逐行放入一维数组中
🌈 下标转换关系:
(我们默认下标从0开始)对于二维数组
A
[
N
]
[
M
]
A[N][M]
A[N][M] 中的元素
a
i
j
a_{ij}
aij ,若希望在行优先转化后的一维数组中访问它,我们可以确定其在一维数组中的下标为:
分解代码实现:
- 行优先二维转一维数组
void row_Reducedim(int a[][M],int *res, int row, int col)
{
int p = 0;
for (int i = 0; i < row; i++) {
for (int j = 0; j < col; j++) {
res[p++] = a[i][j];
}
}
}
- 按照索引从一维数组中取值
void visit(int res[], int i, int j)
{
if (i <= N-1 && i >= 0 && j >= 0 && j <= M-1)
{
int k = i * M + j;
cout << res[k] << endl;
}
else
cout << "输入违规" << endl;
}
行优先完整代码实现:
#include<iostream>
using namespace std;
void row_Reducedim(int a[][4],int *res, int row, int col)
{
int p = 0;
for (int i = 0; i < row; i++) {
for (int j = 0; j < col; j++) {
res[p++] = a[i][j];
}
}
}
void Print(int a[], int n)
{
for (int i = 0; i < n; i++)
{
cout << a[i] << " ";
}cout << endl;
}
void visit(int res[], int i, int j)
{
if (i <= 1 && i >= 0 && j >= 0 && j <= 3)
{
int k = i * 4 + j;
cout << res[k] << endl;
}
else
cout << "输入违规" << endl;
}
int main() {
int martix[2][4] =
{ {1,2,3,4},
{5,6,7,8} };
int res[8];
//二维转一维
row_Reducedim(martix,res, 2, 4); //行优先
cout << "行转化后的一维数组为:" << endl;
Print(res,8);
//二维数组元素在一维数组内的映射
int i, j;
cout << "对于行转换后的矩阵,输入要访问的元素在二维数组中的行,列下标数(>=0)" << endl;
cin >> i >> j;
visit(res, i, j);
system("pause");
return 0;
}
②列优先:
以二维数组为例,以行优先存储的方式为:也就是逐列放入一维数组中
🌈 下标转换关系:
对于二维数组
A
[
N
]
[
M
]
A[N][M]
A[N][M] 中的元素
a
i
j
a_{ij}
aij ,其在一维数组中的下标为:
分解代码实现:
- 列优先二维转一维数组
void col_Reducedim(int a[][4], int* res1, int row, int col)
{
int p = 0;
for (int j = 0; j < col; j++) {
for (int i = 0; i < row; i++) {
res1[p++] = a[i][j];
}
}
}
- 按照索引从一维数组中取值
void visit1(int res[], int i, int j)
{
if (i <= 1 && i >= 0 && j >= 0 && j <= 3)
{
int k = j * 2 + i;
cout << res[k] << endl;
}
else
cout << "输入违规" << endl;
}
列优先完整代码实现:
#include<iostream>
using namespace std;
void col_Reducedim(int a[][4], int* res1, int row, int col)
{
int p = 0;
for (int j = 0; j < col; j++) {
for (int i = 0; i < row; i++) {
res1[p++] = a[i][j];
}
}
}
void Print(int a[], int n)
{
for (int i = 0; i < n; i++)
{
cout << a[i] << " ";
}cout << endl;
}
void visit1(int res[], int i, int j)
{
if (i <= 1 && i >= 0 && j >= 0 && j <= 3)
{
int k = j * 2 + i;
cout << res[k] << endl;
}
else
cout << "输入违规" << endl;
}
int main() {
int martix[2][4] =
{ {1,2,3,4},
{5,6,7,8} };
int res1[8];
//二维转一维
col_Reducedim(martix, res1, 2, 4); //列优先
cout << "列转化后的一维数组为:" << endl;
Print(res1, 8);
int a, b;
cout << "对于列转换后的矩阵,输入要访问的元素在二维数组中的行,列下标数(>=0)" << endl;
cin >> a >> b;
visit1(res1, a, b);
system("pause");
return 0;
}
输出结果:
🍰二.特殊矩阵的存储结构
🚀1.普通矩阵的存储
对于普通的矩阵,我们可以将其视为二维数组进行处理,也就是按行优先和列优先的方式存储,在之前也已经提到过
🚀2.特殊矩阵的压缩存储
压缩存储:指为多个值相同的元素所分配一个存储空间,对零元素不分配存储空间,用于节省空间
接下来,我们来看几个典型的特殊矩阵:
🔆1.对称矩阵
对于一个n阶的方阵,我们可以将其划分为主对角线,上三角区和下三角区,而对于对称矩阵来说,有 a i j = a j i a_{ij}=a_{ji} aij=aji,因此,若仍然采用二维数组存储,会造成一半的空间浪费
策略:
因此,我们其实只需要 存主对角线和下三角块 即可:
🌊 对称矩阵与存储后一维数组的映射关系:
我们规定矩阵元素的下标 i , j i,j i,j的范围为 [ 1 , n ] [1,n] [1,n],而一维数组的下标默认是从0开始的
-
一维数组大小:
第一行:一个元素, a 11 a_{11} a11
第二行:两个元素, a 21 , a 22 a_{21},a_{22} a21,a22
…
共有 n n n 行,则元素总数 k = n ∗ ( n + 1 ) / 2 k=n*(n+1)/2 k=n∗(n+1)/2
-
压缩存储后的访问:
又回到了,压缩完成之后,我们应该如何获取这些数据呢?
我们只需要定义一个映射函数即可:
策略:
不难发现,如果我们希望取出二维数组内的元素 a i j a_{ij} aij,我们已知了它的行号和列号:
①先看行向:
在
a
i
j
a_{ij}
aij上面的元素(即前
i
−
1
i-1
i−1行)的元素个数为:
②再看列向:
在
a
i
j
a_{ij}
aij前面的元素(即前
j
−
1
j-1
j−1行)的元素个数为:
由于一维数组下标是从 0 0 0开始的,因此: a i j 的一维数组下标 = 在 a i j 前的元素个数 a_{ij}的一维数组下标=在a_{ij}前的元素个数 aij的一维数组下标=在aij前的元素个数
再由 a i j = a j i a_{ij}=a_{ji} aij=aji,因此,映射函数为:
完整代码实现:
#include<iostream>
using namespace std;
//打印下三角
void triangle(int a[][3], int* res, int row, int col)
{
int p = 0;
for (int i = 0; i < row; i++) {
for (int j = 0; j < col; j++) {
if (i >= j)
res[p++] = a[i][j];
}
}
}
//访问
void visit(int res[], int i, int j)
{
if (i >= j)
{
int k = i * (i - 1) / 2 + j - 1;
cout << res[k] << endl;
}
else
{
int k = j * (j - 1) / 2 + i - 1;
cout << res[k] << endl;
}
}
//打印一维数组
void Print(int a[], int n)
{
for (int i = 0; i < n; i++)
{
cout << a[i] << " ";
}cout << endl;
}
int main() {
int martix[3][3] =
{ {1,2,3},
{2,1,2},
{3,2,1} };
int res[6];
triangle(martix, res, 3, 3);
cout << "下三角的一维数组为:" << endl;
Print(res,6);
int i, j;
cout << "请输入需要访问的元素aij中的下标i,j(>=1):" << endl;
cin >> i >> j;
visit(res, i, j);
system("pause");
return 0;
}
输出结果:
🔆2.三角矩阵
三角矩阵就是有一个三角区全为常量的矩阵
策略:
其储存思维和对称矩阵类似,不同之处就在于:
✅ 存储完下三角区和主对角线后,紧接着存储对角线上方的常量,也就是要在对称矩阵构造的一维数组后面添加一个常数项
-
一维数组的大小:
k = n ∗ ( n + 1 ) / 2 + 1 k=n*(n+1)/2+1 k=n∗(n+1)/2+1 -
映射函数为:
完整代码实现:
#include<iostream>
using namespace std;
//打印下三角
void triangle(int a[][3], int* res, int row, int col,int n)
{
int p = 0;
for (int i = 0; i < row; i++) {
for (int j = 0; j < col; j++) {
if (i >= j)
res[p++] = a[i][j];
}
}
//存常量
int c = a[0][n-1];
res[n * (n + 1) / 2] = c;
}
//访问
void visit(int res[], int i, int j,int n)
{
if (i >= j)
{
int k = i * (i - 1) / 2 + j - 1;
cout << res[k] << endl;
}
else
{
int k = n * (n + 1)/2;
cout << res[k] << endl;
}
}
//打印一维数组
void Print(int a[], int n)
{
for (int i = 0; i < n; i++)
{
cout << a[i] << " ";
}cout << endl;
}
int main() {
int martix[3][3] =
{ {1,4,4},
{2,1,4},
{3,2,1} };
int res[6];
triangle(martix, res, 3, 3,3);
cout << "下三角的一维数组为:" << endl;
//加一个常数项
Print(res, 6+1);
int i, j;
cout << "请输入需要访问的元素aij中的下标i,j(>=1):" << endl;
cin >> i >> j;
visit(res, i, j,3);
system("pause");
return 0;
}
输出结果:
🔆3.三对角矩阵
三对角矩阵也称带状矩阵,对于n阶方阵的A中的任一元素 a i j a_{ij} aij,当 ∣ i − j ∣ > 1 |i-j|>1 ∣i−j∣>1时, a i j = 0 a_{ij}=0 aij=0
策略:
将三条对角线上的元素按行优先原则存放在一维数组中(零元素不存)
-
一维数组的大小:
由于只有第一行和最后一行只有两个元素,因此,一维数组大小为:
l e n = 3 n − 2 len=3n-2 len=3n−2 -
映射函数为:
由于前 i − 1 i-1 i−1行有 3 ( i − 1 ) − 1 3(i-1)-1 3(i−1)−1个元素,当前行前面有 j − i + 1 j-i+1 j−i+1个元素
k = 2 i + j − 3 k=2i+j-3 k=2i+j−3
反之,若我们已知 a i j a_{ij} aij存放于一维数组中的第 k个位置,怎么推出行数和列数呢?
i = ⌈ ( k + 2 ) / 3 ⌉ i=⌈(k+2)/3⌉ i=⌈(k+2)/3⌉ 再由公式 k = 2 i + j − 3 k=2i+j-3 k=2i+j−3可以推出: j = k − 2 i + 3 j=k-2i+3 j=k−2i+3
完整代码实现:
#include<iostream>
#include<math.h>
using namespace std;
//转一维矩阵
void Three(int a[][4], int* res, int row, int col)
{
int p = 0;
for (int i = 0; i < row; i++) {
for (int j = 0; j < col; j++) {
if (a[i][j] != 0)
res[p++] = a[i][j];
}
}
}
void Print(int a[],int n) {
for (int i = 0; i < n; i++) {
cout << a[i] << " ";
}cout << endl;
}
void visit1(int a[], int i, int j)
{
int k = 2*i + j - 3;
printf("a%d%d=%d\n", i,j,a[k]);
}
void visit2(int a[], int k)
{
int i, j;
i = ceil((k + 2) / 3);
j = k - 2 * i + 3;
printf("访问的元素为:a%d%d\n", i, j);
}
int main() {
int martix[4][4] =
{
{1,2,0,0},
{1,2,3,0},
{0,2,3,4},
{0,0,3,4}
};
int res[10];
//转一维
Three(martix, res, 4, 4);
cout << "三对角的一维矩阵为:" << endl;
Print(res, 10);
//正向访问
int i, j;
cout << "请输入需要访问的元素aij中的下标i,j(>=1):" << endl;
cin >> i >> j;
visit1(res, i, j);
//反向访问
int k;
cout<<"请输入该元素在一维数组中的下标:" << endl;
cin >> k;
visit2(res, k);
system("pause");
return 0;
}
输出结果:
🔆4.稀疏矩阵
还有一种特殊矩阵,其矩阵内的非0元素远远少于零元素,则称其为稀疏矩阵
e
.
g
e.g
e.g 如下矩阵:
我们只存取非零元素,但其分布往往没有规律,因此,我们还应该记录它的位置 |
策略:
将非零元素的行,列,值构成一个三元组 (行标,列标,值) (行标,列标,值) (行标,列标,值)
✅ 我们用结构体定义这个三元组:
#define Maxsize 100
//结构体定义三元组
typedef struct {
int i;
int j;
int val;
}Triple[Maxsize]; //结构体数组
完整代码实现:
#include<iostream>
#define Maxsize 100
using namespace std;
//结构体定义三元组
typedef struct {
int i;
int j;
int val;
}Triple[Maxsize]; //结构体数组
//稀疏矩阵转三元组
void triple(Triple &T,int a[][5],int row,int col,int &p)
{
for (int i = 0; i < row; i++) {
for (int j = 0; j < col; j++) {
if (a[i][j] != 0) {
T[p].i = i+1;
T[p].j = j+1;
T[p].val = a[i][j];
p++;
}
}
}
}
void Print(Triple &T,int len) {
for (int i = 0; i < len; i++) {
printf("a%d%d=",T[i].i,T[i].j);
cout << T[i].i<< " " << T[i].j << " " << T[i].val << endl;
}
}
int main() {
int martix[5][5] =
{
{0,2,0,0,0},
{0,0,1,0,2},
{3,0,0,0,1},
{0,5,0,0,0},
{1,0,4,0,0}
};
Triple T;
int p = 0;
//稀疏矩阵转三元组
triple(T, martix, 5, 5, p);
cout << "转化后的三元组为(矩阵元素下标从1开始):\n" << endl;
Print(T, p);
system("pause");
return 0;
}
输出结果:
文章来源:https://www.toymoban.com/news/detail-500578.html
文章来源地址https://www.toymoban.com/news/detail-500578.html
到了这里,关于【数据结构】特殊矩阵的压缩存储的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!