前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【数据结构】串与数组

【数据结构】串与数组

作者头像
陶然同学
发布2023-02-26 20:07:15
3.9K0
发布2023-02-26 20:07:15
举报
文章被收录于专栏:陶然同学博客陶然同学博客

文章目录

4. 串与数组

4.1 串概述

4.2 串的存储

4.3 顺序串

4.3.1 算法:基本功能

4.3.2 算法:扩容

4.3.3 算法:求子串

4.3.4 算法:插入

4.3.5 算法:删除

4.3.6 算法:比较

4.4 模式匹配【难点】

4.4.1 概述

4.4.2 Brute-Force算法:分析

4.4.3 Brute-Force算法:算法实现

4.4.4 KMP算法:动态演示

4.4.5 KMP算法:求公共前后缀 next数组 -- 推导

4.4.6 KMP算法:求公共前后缀 next数组 -- 算法演示

4.4.7 KMP算法:求公共前后缀 next数组 -- 算法

4.4.8 KMP算法:next数组使用

4.4.9 KMP算法

4.5 数组

4.5.1 概述

4.5.2 数组的顺序存储(一维)

4.5.3 数组的顺序存储(二维)

4.5.4 特殊矩阵概述

4.5.5 对称矩阵压缩存储【重点】

4.5.6 三角矩阵

4.5.7 对角矩阵

4.6 稀疏矩阵

4.6.1 定义&存储方式

4.6.2 三元组表存储

4.6.3 三元组表存储:矩阵转置

4.6.4 三元组表存储:快速矩阵转置

4.6.5 十字链表存储

5. 树与二叉树

4. 串与数组

4.1 串概述

  • 串,也称为字符串,是一个种特殊的线性表,由n(n>=0)个字符组成的有序序列。
  • 名词解释
    • 长度:包含的字符个数n。
    • 空串:n为0的串就是空串,不包含任何字符。
    • 空白串:包含一个及以上(n>=1)空白字符的串,长度为空白字符的个数。
    • 子串:串中任意连续的字符组成的子序列。
      • 空串是任意串的子串。
      • 任意串是其自身的子串。“ABC”
    • 主串:包含子串的串。
    • 序号值:在之前的学习过程中称为“索引值”,字符在串中的位置。
    • 子串在主串中的位置:子串在主串中首次出现时的第一个字符在主串中的位置。
    • 串相等:两个串的长度相同,且各个对应位置的字符相同。
  • 串的抽象类型(接口) public interface IString{    public void clear(); //串的清空    public boolean isEmpty(); //是否为空    public int length(); //串的长度,串中字符的个数    public char charAt(index); //返回第index个字符值    public IString substring(begin,end); //*获得子串[begin,end)    public IString insert(offset, str); //在第offset个字符之前插入str串    public IString delete(begin, end); //删除子串[begin,end)    public IString concat(IString str); //*把str串连接到当前串的后面    public int compareTo(IString str); //串的比较,相同返回0,否则返回正/负    public int indexOf(str, begin); //从start开始,返回str在串中位置,不存在返回-1 }

4.2 串的存储

  • 串的存储结构包括:顺序存储 和 链式存储。
    • 顺序存储:使用数组存放字符。 public class SeqString implements IString{    private char[] strvalue; // 字符数组,用于存放字符串信息    private int curlen; // 串的长度 current length }
    • 链式存储:使用链表存储。
      • 字符链表:每个结点只有一个字符的链表。
      • 块链表:每个结点可以有多个字符。

4.3 顺序串

4.3.1 算法:基本功能

代码语言:javascript
复制
public class SeqString implements IString{
    private char[] strvalue;        // 字符数组,用于存放字符串信息
    private int curlen;             // 串的长度 current length
    
    public void clear() {           //清空
        this.curlen = 0;
    }
    public boolean isEmpty() {      //是否有空
        return this.curlen == 0;
    }
    public int length() {           //串的长度
        return this.curlen;
    }
    public char charAt(int index) {
        if(index < 0 || index >= curlen) {
            throw new 字符串索引越界异常();  //String Index OutOfBounds Exception
        }
        return strvalue[index];
    }
}

4.3.2 算法:扩容

代码语言:javascript
复制
/**
* @param newCapacity 新容器大小
*/
public void allocate(int newCapacity) {
    char[] temp = strvalue;                 // 存放原来的数据 ab数组
    strvalue = new char[newCapacity];       // 给strValue重新赋一个更大数组的值
    for(int i = 0; i < temp.length; i++) {  // 拷贝数据
        strvalue[i] = temp[i];
    }
}

4.3.3 算法:求子串

  • 需求:"abcd".substring(1,3) --> "bc"
代码语言:javascript
复制
public IString substring(int begin , int end) {
    // 1 两个参数校验
    if(begin < 0) {         // 1.1 begin 不能小于0
        throw new StringIndexOutOfBoundsException("begin不能小于0");
    }
    if(end > curlen) {      // 1.2 end 不能大于当前长度
        throw new StringIndexOutOfBoundsException("end不能大于当前长度");
    }
    if(begin > end) {       // 1.3 
        throw new StringIndexOutOfBoundsException("begin不能大于end");
    }
    
    // 2 优化:当前串直接返回
    if(begin == 0 && end == curlen) {
        return this;
    } 
    
    // 3 核心算法
    char[] buffer = new char[end - begin];          // 构建新数组
    for(int i = 0 ; i < buffer.length ; i ++) {     // 依次循环遍历新数组,一个一个赋值
        buffer[i] = strvalue[i + begin];
    }
    return new SeqString(buffer);                   // 使用字符数组构建一个新字符串
}

4.3.4 算法:插入

代码语言:javascript
复制
/**  "abcdef".insert(2,"123").insert(...)
* @param offset 偏移量,插入的位置
* @param str 插入数据
*/
public IString insert (int offset, IString str) {
    //1 校验
    if(offset < 0 || offset > curlen) {
        throw new StringIndexOutOfBoundsException("插入位置不合法");
    }
    //2 兼容:如果容器不够,需要扩容   当前长度 + 新字符串 > 容器长度
    int newCount = curlen + str.length();
    if( newCount > strvalue.length ) {
        allocate(newCount);     //扩容结果就是刚刚好,没有额外空间
    }
    // 3 核心
    //3.1 核心1:从offset开始向后移动 str长度 个字符
    for(int i = curlen-1 ; i >= offset ; i --) {
        strvalue[i + str.length() ] = strvalue[i];
    }
    //3.2 核心2:依次插入
    for(int i = 0; i < str.length() ; i ++) {
        strvalue[i + offset] = str.charAt(i);
    }
    //3.3 设置数组长度
    this.curlen = newCount;
    return this;
}

4.3.5 算法:删除

代码语言:javascript
复制
/**
* @param begin 删除开始位置(含)
* @param end 删除结果位置(不含)
*/
public IString delete(int begin , int end) {
    // 1 校验
    // 1.1 begin 范围
    if(begin < 0) {
        throw new StringIndexOutOfBoundsException("begin不能小于0");
    }
    // 1.2 end 范围
    if(end > curlen) {
        throw new StringIndexOutOfBoundsException("end不能大于串长");
    }
    // 1.3 关系
    if(begin > end) {
        throw new StringIndexOutOfBoundsException("begin不能大于end");
    }
    
    // 2 核心:将后面内容移动到签名
    // 2.1 移动
    for(int i = 0 ; i < curlen - end ; i ++) {
        strvalue[i + begin] = strvalue[i + end];
    }
    // 2.2 重新统计长度  (end-begin 需要删除串的长度)
    curlen = curlen - (end-begin)
    return this;
}

4.3.6 算法:比较

代码语言:javascript
复制
/**
* @param str 需要比较的串
* return 
*   >0 : 前面串值的值大于后面串
*   =0 : 前面串值的值等于后面串
*   <0 : 前面串值的值小于后面串
*/
public int compareTo(SeqString str) {
    int n = Math.min(curlen, str.curnlen) ;     // 获得最短串的长度
    int k = 0 ;                                 // 循环遍历k
    char[] s1 = strvalue;
    char[] s2 = str.strvalue;
    while(k < n) {
        if(s1[k] != s2[k]) {                    // 处理前缀不一致
            return s1[k] - s2[k];
        }
        k++;
    }
    return curlen - str.curlen;                 // 两个串的前缀相等
}

4.4 模式匹配【难点】

4.4.1 概述

  • 串的查找定位操作,也称为串的模式匹配操作。
    • 主串:当前串,长度用n表示。
    • 模式串:在主串中需要寻找的子串,长度用m表示。
  • 模式匹配特点:
    • 匹配成功,返回模式串的首字母在主串中的位序号(索引号)。
    • 匹配失败,返回-1
  • 模式匹配的常见算法:
    • Brute-Force算法:蛮力算法,依次比较每一个,比较次数多,时间复杂度O(n×m)
    • KMP算法:滑动算法,比较的次数较少,时间复杂度O(n+m)

4.4.2 Brute-Force算法:分析

  • 第一趟:运行后的结果
  • 第一趟过渡到第二趟
  • 第二趟不匹配,直接过渡到第三趟
  • 第三趟:
  • 第三趟过渡到第四趟
  • 总结:核心算法(找主串的下一位)

4.4.3 Brute-Force算法:算法实现

代码语言:javascript
复制
/** this 主串
* @param t 模式串
* @param start 在主串中开始位置,例如:indexOf_BF("abcabc", 0)
*/
public int indexOf_BF(IString t, int start) {
    // 0.1 非空校验
    if(this == null || t == null) {             //0.1 主串或模式串为空
        return -1;
    }
    // 0.2 范围校验
    if(t.length() == 0 || this.length() < t.length()) { //0.2模式串为空或比主串长
        return -1;
    }
    int i = start , j = 0;                      // 1 声明变量
    while( i<this.length() && j<t.length() ) {  // 2 循环比较,主串和模式串都不能超过长度
        if(this.charAt(i) == t.charAt(j)) {     // 2.1 主串和模式串依次比较每一个字符
            i++;
            j++;
        } else {                                // 2.2 当前趟过渡到下一趟
            i = i - j + 1;                      // 2.3 核心算法:主串中下一字符
            j = 0;                              // 2.4 模式串归零
        }
    }
                                                // 3 处理结果
    if(j >= t.length()) {                       //3.1 模式串已经循环完毕
        return i - t.length();                  //3.2 匹配成功,第一个字母的索引号
    } else {
        return -1;                              //3.3 匹配失败
    }
}

4.4.4 KMP算法:动态演示

  • 核心思想:主串的指针i不会回退,通过滑动模式串进行匹配。
    • 滑动的原则:可以从最大公共前缀,直接跳到最大公共后缀。
  • 思考:ababa 最大公共前后缀是?
    • 最大公共前缀:==aba==ba
    • 最大公共后缀:ab==aba==
  • 第一趟:i 从 0-->2
  • 遇到不匹配的数据时,需要移动模式串,当前公共部分是“ab”,没有最大公共前后缀。模式串从头开始
  • 第二趟:i 从 2 --> 7
  • 遇到不匹配的数据时,需要移动模式串,当前公共部分是“abcab”,有最大公共前后缀
  • 第三趟: i=7 位置数据不一致
  • 遇到不匹配的数据时,需要移动模式串,当前公共部分是“ab”,没有最大公共前后缀。模式串从头开始
  • 第4趟:数据不一致,i 7 --> 8 , j 归零
  • 第五趟:i从8 --> 13

4.4.5 KMP算法:求公共前后缀 next数组 -- 推导

  • 当我们准备求公共前后缀时,主串和模式串具有相同的内容,所以只需要看模式串。
  • 实例1:模式串:"abcabc"
  • 提前将模式进行处理(预判):将每一个字符假设不匹配时,公共前后缀提前记录下来,形成一个表格。
    • 第一个位置:-1
    • 第二个位置:0
    • 使用next数组,记录统计好的表格。
\begin{array}{c|cccccc} \hline 模式串&a&b&c&a&b&c\\ \hline j&0&1&2&3&4&5\\ \hline next[j]&-1&0&0&0&1&2\\ \hline \end{array} \tag{KMP next表格}
  • 实例2:"ababaaa"
\begin{array}{c|ccccccc} \hline 模式串&a&b&a&b&a&a&a\\ \hline j&0&1&2&3&4&5&6\\ \hline next[j]&-1&0&0&1&2&3&1\\ \hline \end{array} \tag{KMP next表格}
  • 实例3:“ababaab”
\begin{array}{c|ccccccc} \hline 模式串&a&b&a&b&a&a&b\\ \hline j&0&1&2&3&4&5&6\\ \hline next[j]&-1&0&0&1&2&3&1\\ \hline \end{array} \tag{KMP next表格}

4.4.6 KMP算法:求公共前后缀 next数组 -- 算法演示

  • 实例1:模式串:"abcabc"
  • 实例2:"ababaaa"

4.4.7 KMP算法:求公共前后缀 next数组 -- 算法

代码语言:javascript
复制
/** 获得next数组
* @param T 模式串
* return 返回next数组
*/
public int[] getNext(IString T) {
    //1. 创建数组,与模式串字符个数一致
    int[] next = new int[T.length()];       
    int j = 1;                              // 串的指针
    int k = 0;                              // 模式串的指针(相同字符计数器)
    // 2 默认情况
    next[0] = -1;                           
    next[1] = 0;
    // 3 准备比较
    while( j < T.length() -1 ) {            // 比较倒数第二个字符
        if(T.charAt(j) == T.charAt(k)) {    // 连续有字符相等
            next[j+1] = k+1;
            j++;
            k++;
        } else if (k == 0) {
            next[j+1] = 0;
            j++;
        } else {        //k不是零
            k = next[k];                //p119 数学推导
        }
    }
    // 4 处理完成,返回数组
    return next;
}
  • 处理字符相同
  • 处理字符不相等,且k==0

4.4.8 KMP算法:next数组使用

  • 主串:ababababaaa
  • 模式串:ababaaa next数组
\begin{array}{c|ccccccc} \hline 模式串&a&b&a&b&a&a&a\\ \hline j&0&1&2&3&4&5&6\\ \hline next[j]&-1&0&0&1&2&3&1\\ \hline \end{array} \tag{KMP next表格}

4.4.9 KMP算法

代码语言:javascript
复制
/** this 当前串,也就是主串 (this.length() 主串长度)
* @param T 模式串 (T.length() 模式串长度)
* @param start 从主串中开始位置,例如:"abaababaaa".index_KMP("ababaaa",0);
*/
public int index_KMP(IString T, int start) {
    //1 准备工作:next数组、指针
    int[] next = getNext(T);            //1.1 获得模式的next数组
    int i = start;                      //1.2 主串指针
    int j = 0;                          //1.3 模式串的指针
    //2 字符比较移动
    while(i<this.length() && j<T.length()) {    //2.1 串小于长度
        if(j == -1 ||                           //2.2.1 第一个字符不匹配,直接跳过
                this.charAt(i) == T.charAt(j)) {//2.2.2 字符匹配
            i++;
            j++;
        } else {
            j = next[j];                        //2.3 移动模式串
        }
    }
    //3 处理结果
    if(j < T.length()) {                //3.1 移动位置没有模式串长,不匹配
        return -1;
    } else {
        return i - T.length();          //3.2 匹配,目前在串后面,需要移动首字符
    }
}

4.5 数组

4.5.1 概述

  • 数组:一组具有相同数据类型的数据元素的集合。数组元素按某种次序存储在一个地址连续的内存单元空间中。
  • 一维数组:一个顺序存储结构的线性表。[a0,a1,a2, ....]
  • 二维数组:数组元素是一维数组的数组。[ [] , [] , [] ] 。二维数组又称为矩阵。
A_{n×m} = \left[ \begin{matrix} a_{0,0} & a_{0,1} & \cdots & a_{0,m-1} \\ a_{1,0} & a_{1,1} & \cdots & a_{1,m-1} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n-1,0} & a_{n-1,1} & \cdots & a_{n-1,m-1} \end{matrix} \right] \tag{二维数组的矩阵表示}

4.5.2 数组的顺序存储(一维)

  • 多维数组中,存在两种存储方式:
    • 以行序为主序列的存储方式(行优先存储)。大部分程序都是按照行序进行存储的。
    • 以列序为主序列的存储方式(列优先存储)
  • 一维数组内存地址 Loc(0) :数组的首地址 i : 第i个元素 L :每一个数据元素占用字节数
\begin{aligned} Loc(i) = Loc(0) + i × L \qquad \text{(0<i<n)} \end{aligned} \tag{一维数组的元素的内存地址}

4.5.3 数组的顺序存储(二维)

1)行序

  • 行序:使用内存中一维空间(一片连续的存储空间),以行的方式存放二维数组。先存放第一行,在存放第二行,依次类推存放所有行。
  • 二维数组(n×m)内存地址(以==行序==为主序列) Loc(0,0) :二维数组的首地址 i : 第i个元素 L : 每一个数据元素占用字节数 m:矩阵中的列数
Loc(i,j) = Loc(0,0) + (i\;×\;m+j) × L \qquad (0 \leq i \leq n-1,0 \leq j \leq m-1) \tag{}
  • 注意:
    • 如果索引号不是从0开始,不能使用此公式。
    • 如果索引号不是从0开始的,需要先将索引号归零,再使用公式。

2)列序

  • 列序:使用内存中一维空间(一片连续的存储空间),以列的方式存放二维数组。先存放第一列,再存放第二列,依次类推,存放所有列。
  • 二维数组(n×m)内存地址(以==列序==为主序列)
Loc(i,j) = Loc(0,0) + (j\;×\;n+i) × L \qquad (0 \leq i \leq n-1,0 \leq j \leq m-1) \tag{}

3)练习

  • 实例1: 有一个二维数组A[1..6,0..7],每一个数组元素用相邻的6个字节存储,存储器按字节编址,那么这个数组占用的存储空间大小是( ==D== )个字节。 A. 48 B. 96 C. 252 D. 288
  • 实例2: 设有数组A[1..8,1..10],数组的每个元素占3字节,数组从内存首地址BA开始以==列序==为主顺序存放,则数组元素A[5,8]的存储首地址为( )。 A. BA + 141 B. BA + 180 C. BA + 222 D. BA + 225
代码语言:javascript
复制
A[1..8,1..10]  --> A[8×10]          //先行后列
  • 例如3:

设有数组A[0..8,1..10],数组的每个元素占5字节,数组从内存首地址BA开始以==列序==为主顺序存放,则数组元素A[7,8]的存储首地址为( BA + 350 )。

代码语言:javascript
复制
A[0..8,1..10]   --> A[9×10]

4.5.4 特殊矩阵概述

  • 特殊矩阵:具有相同的数据或0元素,且数据分布具有一定规律。
  • 分类:
    • 对称矩阵
    • 三级矩阵
    • 对角矩阵
  • 特殊矩阵只有部分有数据,其他内容为零,使用内存中一维空间(一片连续的存储空间)进行存储时,零元素没有必要进行存储,通常都需要进行压缩存储。
  • 压缩存储:多个值相同的矩阵元素分配同一个存储空间,零元素不分配存储空间。
    • 存储有效数据,零元素和无效数据不需要存储。
    • 不同的举证,有效和无效定义不同。

4.5.5 对称矩阵压缩存储【重点】

1)定义及其压缩方式

  • 什么是对称矩阵:a(i,j) = a(j,i)
\left[ \begin{matrix} 0 & 1 & 0 & 0 \\ 1 & 0 & 1 & 1 \\ 0 & 1 & 0 & 0 \\ 0 & 1 & 0 & 0 \end{matrix} \right] \tag{对称矩阵}
  • 对称矩阵的压缩方式:共4种
    1. 下三角部分以行序为主序存储的压缩【学习,掌握】
    1. 下三角部分以列序为主序存储的压缩
    1. 上三角部分以行序为主序存储的压缩
    1. 上三角部分以列序为主序存储的压缩
  • n×n对称矩阵压缩 n (n+1) / 2 个元素,求 1+2+3+...+n的和,只需要计算三角中的数据即可
\left[ \begin{matrix} a_{0,0} & 0 & 0 & 0 \\ a_{1,0} & a_{1,1} & 0 & 0 \\ a_{2,0} & a_{2,1} & a_{2,2} & 0 \\ a_{3,0} & a_{3,1} & a_{3,2} & a_{3,3} \end{matrix} \right] \tag{对称矩阵}

2)压缩存放及其公式

  • 压缩后存放到一维空间(连续的存放空间中)
\begin{array}{|c|c|} \hline 0&1&2&3&4&5&6&7&8&9\\ \hline a_{0,0}&a_{1,0}&a_{1,1}&a_{2,0}&a_{2,1}&a_{2,2}&a_{3,0}&a_{3,1}&a_{3,2}&a_{3,3}\\ \hline \end{array} \tag{表格}
  • 对称矩形 A(i,j) 对应 一维数组 s[k] , k与i和j 公式:
k = \begin{cases} \dfrac{i(i+1)}{2}+j & \text{(i} \geq \text{j)}\\ \dfrac{j(j+1)}{2}+i & \text{(i<j)} \end{cases} \tag{对称矩阵压缩存储公式}

3)练习

  • 练习1:
代码语言:javascript
复制
a(8,5)  -->索引库1,1表示方式
需要将1,1转化成0,0方式,从而可以使用公式,i和j同时-1
a(7,4)  -->索引库0,0表示方式
因为:i >= j
k= i(i+1)/2 +j = 7 * 8 / 2 + 4 = 32
32为索引为0的一维数组的下标
数据b下标是从1开始,对应的下标 32+1=33
  • 练习2:
代码语言:javascript
复制
b[13] 下标从1开始,归零
b[12] 下标从0开始,k=12
i*(i+1)/2 , 如果i=4,结果为10
12-10 = j
下标0,0时,a(4,2)
下标1,1时,a(5,3)

4.5.6 三角矩阵

1)概述&存储方式

  • 三角矩阵分为:上三角矩阵、下三角矩阵
    • 上三角矩阵:主对角线(不含主对角线)下方的元素值均为0。只在上三角的位置进行数据存储
    • 下三角矩阵:主对角线(不含主对角线)上方的元素值均为0。只在下三角的位置进行数据存储
  • 存储方式:三角矩阵的存放方式,与对称矩阵的存放方式相同。

2)上三角矩阵

  • 上三角矩阵实例
\left[ \begin{matrix} a_{0,0} & a_{0,1} & \cdots & a_{0,n-1} \\ 0 & a_{1,1} & \cdots & a_{1,n-1} \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & a_{n-1,n-1} \end{matrix} \right] \tag{上三角矩阵}
  • 上三角矩阵对应一维数组存放下标,计算公式
k = \begin{cases} 空 & \text{(i>j)} \\ \dfrac{j(j+1)}{2}+i & \text{(i} \leq \text{j)} \end{cases} \tag{上三角矩阵公式}

3)下三角矩阵

  • 下三角矩阵实例
\left[ \begin{matrix} a_{0,0} & 0 & \cdots & 0 \\ a_{1,0} & a_{1,1} & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ a_{n-1,0} & a_{n-1,1} & \cdots & a_{n-1,n-1} \end{matrix} \right] \tag{下三角矩阵}
  • 下三角矩阵对应一维数组存放下标,计算公式
k = \begin{cases} \dfrac{i(i+1)}{2}+j & \qquad \text{(i} \geq \text{j)}\\ 空 & \qquad \text{(i<j)} \end{cases} \tag{下三角矩阵压缩公式}

4.5.7 对角矩阵

1) 定义&名词

  • 对角矩阵:矩阵的所有非零元素都集中在以主对角线为中心的带状区域中,即除主对角线上和直接在主对角线上、下方若干条对角线上的元素之外,其余元素皆为零。
  • 名词:
    • 半带宽:主对角线一个方向对角线的个数,个数为d。
    • 带宽:所有的对角线的个数。个数为 2d+1
    • n阶2d+1对角矩阵非零元素个数:n(2d+1) - d(d+1)
      • n(2d+1) :下图中所有颜色的个数
      • d(d+1)/2 :右下方浅蓝色三角的个数
      • d(d+1) :2个三级的个数(右下方、左上方)
    • 一维数组存储个数:n(2d+1) ,若某行没有2d+1个元素,则0补足。

2)压缩存储

A[5×5] = \left[ \begin{matrix} a_{0,0} & a_{0,1} & 0 & 0 & 0 \\ a_{1,0} & a_{1,1} & a_{1,2} & 0 & 0 \\ 0 & a_{2,1} & a_{2,2} & a_{2,3} & 0 \\ 0 & 0 & a_{3,2} & a_{3,3} & a_{3,4} \\ 0 & 0 & 0 & a_{4,3} & a_{4,4} \end{matrix} \right] \tag{对角矩阵}
  • 压缩后存放一维数组,第一行和最后一行不够2d+1,所以需要补零。
\begin{array}{|c|c|} \hline 0&1&2&3&4&5&6&7&8&9&10&11&12&13&14\\ \hline 0&a_{0,0}&a_{0,1}& a_{1,0}&a_{1,1}&a_{1,2}& a_{2,1}&a_{2,2}&a_{2,3}& a_{3,2}&a_{3,3}&a_{3,4}& a_{4,3}&a_{4,4}&0\\ \hline \end{array} \tag{}
Loc(i,j) = Loc(0,0) + [i(2d+1) + d + (j-i)]×L \tag {对角矩阵公式}

4.6 稀疏矩阵

4.6.1 定义&存储方式

  • 稀疏矩阵:具有较多的零元素,且非零元素的分布无规律的矩阵。
A[5×6] = \left[ \begin{matrix} 0 & 0 & 8 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 \\ 5 & 0 & 0 & 0 & 16 & 0 \\ 0 & 0 & 18 & 0 & 0 & 0 \\ 0 & 0 & 0 & 9 & 0 & 0 \\ \end{matrix} \right] \tag{系数矩阵}
\delta = \dfrac{t}{n×m} & (\delta < 0.05, t 元素个数,n行,m列) \\
  • 常见的2种存放方式:三元组表存储、十字链表存储

4.6.2 三元组表存储

1) 概述

  • 使用三元组唯一的标识一个非零元素
  • 三元组组成:row行、column列、value值
  • 三元组表:用于存放稀疏矩阵中的所有元素。
\begin{array}{|c|c|} \hline 0&1&2&3&4\\ \hline a_{0,2,8}&a_{2,0,5}&a_{2,4,16}&a_{3,2,18}&a_{4,3,9}\\ \hline \end{array} \tag{a(row,column,value)}

2)相关类及其操作

  • 三元组结点类 public class TripleNode { //三结点    public int row; //行号    public int column; //列号    public int value; //元素值 }
  • 三元组顺序表类: public class SparseMatrix { //稀疏矩阵    public TripleNode[] data; //三元组表    public int rows; //行数n    public int cols; //列数m    public int nums; //非零元素的个数 }
  • 三元组表初始化操作:

4.6.3 三元组表存储:矩阵转置

1)定义

  • 矩阵转置:一种简单的矩阵运算,将矩阵中每个元素的行列序号互换。
    • 特点:矩阵N[m×n] 通过转置 矩阵M[n×m]
    • 转置原则:转置前从左往右查看每一列的数据,转置后就是一行一行的数据。
A[5×6] = \left[ \begin{matrix} 0 & 0 & 8 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 \\ 5 & 0 & 0 & 0 & 16 & 0 \\ 0 & 0 & 18 & 0 & 0 & 0 \\ 0 & 0 & 0 & 9 & 0 & 0 \\ \end{matrix} \right] A[6×5] = \left[ \begin{matrix} 0 & 0 & 5 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 \\ 8 & 0 & 0 & 18 & 0 \\ 0 & 0 & 0 & 0 & 9 \\ 0 & 0 & 16 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 \\ \end{matrix} \right] \tag{矩阵转置}
\begin{array}{|c|c|c|} \hline &0&1&2&3&4\\ \hline 转置前&a_{0,2,8}&a_{2,0,5}&a_{2,4,16}&a_{3,2,18}&a_{4,3,9}\\ \hline \\ \hline 转置后&a_{0,2,5}&a_{2,0,8}&a_{2,3,18}&a_{3,4,9}&a_{4,2,16}\\ \hline \end{array} \tag{a(row,column,value)}

2)算法分析

3)算法:转置

代码语言:javascript
复制
/** this转置前的对象,每一个对象中都有一个data数据
*   tm 转置后的对象,每一个对象中都有一个data数据
* return 转置后的稀疏矩阵对象
*/
public SparseMatrix transpose() {       //转置
    // 1 根据元素个数,创建稀疏矩阵
    SparseMatrix tm = new SparseMatrix(nums);
    // 2 设置基本信息
    tm.cols = rows;                 //2.1 行列交换
    tm.rows = cols;                 //2.2 列行交换
    tm.nums = nums;                 //2.3 元素个数
    // 3 进行转置
    int q = 0;                                  //3.1 转置后数据的索引
    for(int col = 0 ; col < cols; col ++) {     //3.2 转置之前数据数组的每一个列号
        for(int p = 0; p < nums; p ++) {        //3.3 依次获得转置前数据数组的每一个数据
            if (data[p].column == col) {        //3.4 获得指定列的数据
                tm.data[q].row = data[p].column;    //3.5 行列交换,值不变
                tm.data[q].column = data[p].row;
                tm.data[q].value = data[p].value;
                q++;                                //3.6 转置后的指针后移
            }
        }
    }
    // 4 返回转置后的稀疏矩阵
    return tm;
}
  • 矩阵转置时间复杂度:O(n×t) ,n列数,t非零个数

4.6.4 三元组表存储:快速矩阵转置

1)定义

  • 假设:原稀疏矩阵为N、其三元组顺序表为TN,N的转置矩阵为M,其对应的三元组顺序表为TM。
  • 快速转置算法:求出N的每一列的第一个非零元素在转置后的TM中的行号,然后扫描转置前的TN,把该列上的元素依次存放于TM的相应位置上。
  • 基本思想:分析原稀疏矩阵的数据,得到与转置后数据关系
    • 每一列第一个元素位置:上一列第一个元素的位置 + 上一列非零元素的个数
    • 当前列,原第一个位置如果已经处理,第二个将更新成新的第一个位置。

2)公式

  • 需要提供两个数组:num[]、cpot[]
    • num[] 表示N中第col列的非零元素个数
    • cpot[] 初始值表示N中的第col列的第一个非零元素在TM中的位置
  • 公式:
cpot[0] = 0 \\ cpot[col] = cpot[col-1] + num[col-1] \\ \begin{array}{c|cc} \hline col&0&1&2&3&4&5\\ \hline num&1&0&2&1&1&0\\ \hline cpot&0&1&1&3&4&5\\ \hline \end{array} \tag{矩阵快速转置}

3)算法:快速转置

代码语言:javascript
复制
public SparseMatrix fasttranspose() {
    // 1 根据元素个数,创建稀疏矩阵
    SparseMatrix tm = new SparseMatrix(nums);
    // 2 设置基本信息
    tm.cols = rows;                 //2.1 行列交换
    tm.rows = cols;                 //2.2 列行交换
    tm.nums = nums;                 //2.3 元素个数
    
    // 3 校验
    if(num <= 0) {
        return tm;
    }
    
    // 4 每一列的非零个数
    int num = new int[cols];            //4.1 根据列数创建num数组
    for(int i = 0; i<cols; i ++) {      //4.2 初始数据(可省略)
        num[i] = 0;
    }
    for(int i = 0; i< nums; i ++) {     //4.3 遍历转置的数据
        int j = data[i].column;
        num[j]++;
    }
    
    // 5 转置后每一列第一个元素的位置数组
    int cpot = new int[cols];           // 5.1 位置的数组
    cpot[0] = 0;                        // 5.2 第一列第一个元素为0
    for(int i = 1; i < cols ; i ++) {
        cpot[i] = cpot[i-1] + num[i-1]; // 5.3 当前列第一个元素位置 = 上一列位置+个数
    }
    
    // 6 转置处理
    for(int i = 0 ; i < nums ; i ++) {
        int j = data[i].column;             //6.1 转置前,每一个元素的列数
        int k = cpot[j];                    //6.2 转置后的位置
        tm.data[k].row = data[i].column;    //6.3 原数据 转置后 数据
        tm.data[k].column = data[i].row;
        tm.data[k].value = data[i].value;
        cpot[j]++;                          //6.4 下一个元素的位置
    }
    
}
  • 时间复杂度:O(n+t) ,n列数,t非零个数

4.6.5 十字链表存储

1)定义

  • 当稀疏矩阵中非零元素的位置或个数经常发生变化时,不宜采用三元组顺序表存储结构,而该用链式存储结构。
  • 十字链表结点由5个域组成:
    • row:所在行
    • column:所在列
    • value:非零元素值
    • right:存放与该非零元素==同行==的下一个非零元素结点指针。
    • down:存放与该非零元素==同列==的下一个非零元素结点指针。

2)相关类

  • 结点类: class OLNode {    public int row, col; //行号、列号    public int value; //元素值    public OLNode right; //行链表指针    public OLNode down; //列链表指针 }
  • 十字链表类: class CrossList {    public int mu, nu, tu; //行数、列数、非零元素个数    public OLNode[] rhead, chead; //行、列指针数组 }
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022-09-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 文章目录
  • 4. 串与数组
    • 4.1 串概述
      • 4.2 串的存储
        • 4.3 顺序串
          • 4.3.1 算法:基本功能
          • 4.3.2 算法:扩容
          • 4.3.3 算法:求子串
          • 4.3.4 算法:插入
          • 4.3.5 算法:删除
          • 4.3.6 算法:比较
        • 4.4 模式匹配【难点】
          • 4.4.1 概述
          • 4.4.2 Brute-Force算法:分析
          • 4.4.3 Brute-Force算法:算法实现
          • 4.4.4 KMP算法:动态演示
          • 4.4.5 KMP算法:求公共前后缀 next数组 -- 推导
          • 4.4.6 KMP算法:求公共前后缀 next数组 -- 算法演示
          • 4.4.7 KMP算法:求公共前后缀 next数组 -- 算法
          • 4.4.8 KMP算法:next数组使用
          • 4.4.9 KMP算法
        • 4.5 数组
          • 4.5.1 概述
          • 4.5.2 数组的顺序存储(一维)
          • 4.5.3 数组的顺序存储(二维)
          • 4.5.4 特殊矩阵概述
          • 4.5.5 对称矩阵压缩存储【重点】
          • 4.5.6 三角矩阵
          • 4.5.7 对角矩阵
        • 4.6 稀疏矩阵
          • 4.6.1 定义&存储方式
          • 4.6.2 三元组表存储
          • 4.6.3 三元组表存储:矩阵转置
          • 4.6.4 三元组表存储:快速矩阵转置
          • 4.6.5 十字链表存储
      相关产品与服务
      对象存储
      对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档