什麼是稀疏矩陣呢,就是在M*N的矩陣中,有效值的個數遠小於無效值的個數,並且這些數據的分佈沒有規律。在壓縮存儲稀疏矩陣的時候我們只存儲極少數的有效數據。我們在這裡使用三元組存儲每一個有效數據,三元組按原矩陣中的位置,以行優先級先後次序依次存放。下面我們來看一下代碼實現。
- #include
- #include
- #include
- usingnamespace std;
- template
- class SparseMatrix
- {
- //三元組
- template
- struct Trituple
- {
- Trituple()//給一個默認構造函數
- {}
- Trituple(size_t row, size_t col, const T& data)
- :_row(row)
- ,_col(col)
- ,_data(data)
- {}
- size_t _row;
- size_t _col;
- T _data;
- };
- public:
- //稀疏矩陣的壓縮存儲
- SparseMatrix()
- {}
- SparseMatrix(int* arr, size_t row, size_t col, const T& invalid)
- :_row(row)
- ,_col(col)
- ,_invalid(invalid)
- {
- for(int i = 0; i < row; i++)
- {
- for(int j = 0; j < col; ++j)
- {
- if(arr[i*col+j] != invalid)//將有效值存儲在一個一維數組中
- _sm.push_back(Trituple
(i,j,arr[i*col+j]));//將三元組的無名對象push進去 - }
- }
- }
- //訪問稀疏矩陣中row行col中的元素
- T& Acess(int row, int col)
- {
- //1、
- /*for(int idx = 0; idx < _sm.size(); idx++)//遍歷一遍
- {
- if(_sm[idx]._row == row && _sm[idx]._col == col)//當前行列與我們要訪問那個元素行列相同時返回這個有效值
- return _sm[idx]._data;
- }
- return _invalid;*///否則返回無效值
- //2、
- vector
>::iterator it = _sm.begin();//定義一個迭代器,指向起始位置 - while(it != _sm.end())//未到最後一個元素時
- {
- if(it->_row == row && it->_col == col)//行列相等輸出值
- return it->_data;
- ++it;//迭代器向後移動
- }
- return _invalid;
- }
- //還原稀疏矩陣
- template
- friend ostream& operator<& s)//重載<<
- {
- size_t idex = 0;
- for(size_t i = 0; i < s._row; i++)
- {
- for(size_t j = 0; j < s._col; j++)
- {
- if(idex < s._sm.size()/*防止數組越界*/ && s._sm[idex]._row == i && s._sm[idex]._col == j)
- {
- _cout<
- ++idex;
- }
- else
- _cout<
- }
- _cout<
- }
- return _cout;
- }
- //實現稀疏矩陣的逆置 時間複雜度O(M*N)(M為元素個數N為矩陣列數)
- SparseMatrix
Transport() - {
- SparseMatrix
sm; - sm._row = _col;
- sm._col = _row;
- sm._invalid = _invalid;
- for(size_t i = 0; i < _col; i++)
- {
- vector
>::iterator it = _sm.begin(); - while(it != _sm.end())
- {
- if(it->_col == i)//從原矩陣第0列開始,將每列中的有效值依次放入新的稀疏矩陣
- sm._sm.push_back(Trituple
(i, it->_row, it->_data)); - ++it;
- }
- }
- return sm;
- }
- //實現稀疏矩陣的快速轉置 時間複雜度O(N)+O(M)
- SparseMatrix
FastTransport() - {
- SparseMatrix
sm; - sm._col = _row;
- sm._row = _col;
- sm._invalid = _invalid;
- sm._sm.resize(_sm.size());//開闢空間
- //1、統計原矩陣中每一列有多少個有效元素
- int* pCount = newint[_col];//開闢原矩陣中列個數的空間
- memset(pCount, 0, _col*sizeof(pCount[0]));
- for(int i = 0; i < _sm.size(); i++)
- pCount[_sm[i]._col]++;
- //2、原矩陣每一列在新矩陣中的起始位值
- int* pAddr = newint[_col];
- memset(pAddr, 0, _col*sizeof(pAddr[0]));
- for(int i = 1/*從1開始,第一個位置起始為0已經放入*/; i < _sm.size(); i++)
- {
- pAddr[i] = pAddr[i - 1] + pCount[i - 1];//前一個起始位值+前一列有效元素個數
- }
- //3、放置元素到新空間
- for(int i = 0; i < _sm.size(); i++)
- {
- int& addr = pAddr[_sm[i]._col];
- sm._sm[addr] = Trituple
(_sm[i]._col,_sm[i]._row,_sm[i]._data); - addr++;
- }
- return sm;
- }
- //實現稀疏矩陣的加法操作1
- /*SparseMatrix
operator+(const SparseMatrix & sp) - {
- int i = 0, j = 0, k = 0;
- T v;
- SparseMatrix
s; - if(this->_col != sp._col || this->_row != sp._row)
- exit(1);
- s._row = sp._row;
- s._col = sp._col;
- s._invalid = sp._invalid;
- while(i < this->_sm.size() && j < sp._sm.size())
- {
- if(this->_sm[i]._row == sp._sm[j]._row)
- {
- if(this->_sm[i]._col < sp._sm[j]._col)
- {
- s._sm.push_back(Trituple
(this->_sm[i]._row, this->_sm[i]._col, this->_sm[i]._data)); - i++;
- k++;
- }
- else if(this->_sm[i]._col > sp._sm[j]._col)
- {
- s._sm.push_back(Trituple
(sp._sm[j]._row, sp._sm[j]._col, sp._sm[j]._data)); - j++;
- k++;
- }
- else
- {
- v = this->_sm[i]._data + sp._sm[j]._data;
- if(v)
- {
- s._sm.push_back(Trituple
(sp._sm[j]._row, sp._sm[j]._col, v)); - k++;
- }
- i++;
- j++;
- }
- }
- else if(this->_sm[i]._row < sp._sm[j]._row)
- {
- s._sm.push_back(Trituple
(this->_sm[i]._row, this->_sm[i]._col, this->_sm[i]._data)); - i++;
- k++;
- }
- else
- {
- s._sm.push_back(Trituple
(sp._sm[j]._row, sp._sm[j]._col, sp._sm[j]._data)); - j++;
- k++;
- }
- }
- return s;
- }*/
- //實現稀疏矩陣的加法操作2
- SparseMatrix
operator+(const SparseMatrix & sp) - {
- assert(_row == sp._row && _col == sp._col);//檢測兩個相加的矩陣行列是否相等
- SparseMatrix
ret; - ret._row = _row;
- ret._col = _col;
- ret._invalid = _invalid;
- int iLidx = 0, iRidx = 0;//定義兩個索引
- while(iLidx < _sm.size() && iRidx < sp._sm.size())
- {
- size_t AddrLeft = _sm[iLidx]._row*_col+_sm[iLidx]._col;//左邊矩陣的起始位值
- size_t AddrRight = sp._sm[iRidx]._row*sp._col+sp._sm[iRidx]._col;//右邊矩陣起始位值
- if(AddrLeft < AddrRight)//左
- {
- ret._sm.push_back(Trituple
(_sm[iLidx]._row, _sm[iLidx]._col, _sm[iLidx]._data)); - iLidx++;
- }
- elseif(AddrLeft > AddrRight)
- {
- ret._sm.push_back(Trituple
(sp._sm[iRidx]._row, sp._sm[iRidx]._col, sp._sm[iRidx]._data)); - iRidx++;
- }
- else//當左邊等於右邊判斷相加後和是否為0,不為0放入
- {
- Trituple
temp(_sm[iLidx]); - temp._data += sp._sm[iRidx]._data;
- if(temp._data)
- {
- ret._sm.push_back(temp);
- iLidx++;
- iRidx++;
- }
- }
- }
- while(iLidx < _sm.size())//左邊還有剩餘則放入剩餘元素
- {
- ret._sm.push_back(Trituple
(_sm[iLidx]._row, _sm[iLidx]._col, _sm[iLidx]._data)); - iLidx++;
- }
- while(iRidx < sp._sm.size())
- {
- ret._sm.push_back(Trituple
(sp._sm[iRidx]._row, sp._sm[iRidx]._col, sp._sm[iRidx]._data)); - iRidx++;
- }
- return ret;
- }
- private:
- size_t _row;
- size_t _col;
- vector
> _sm; - T _invalid;//無效值
- };
- int main()
- {
- int arr[6][5] = {
- {1,0,3,0,5},
- {0,0,0,0,0},
- {0,0,0,0,0},
- {1,0,3,0,5},
- {0,0,0,0,0},
- {0,0,0,0,0}};
- int arr1[6][5] = {
- {1,0,3,0,5},
- {0,0,0,0,0},
- {0,0,2,4,0},
- {1,0,3,0,5},
- {0,0,0,1,0},
- {0,0,0,0,1}};
- SparseMatrix<int> s((int*)arr,6,5,0);
- SparseMatrix<int> s1((int*)arr1,6,5,0);
- cout<
- cout<
- cout<
- cout<
- cout<
- cout<
- cout<
- cout<
- cout<
- cout<
- cout<
- cout<
- system("pause");
- return 0;
- }
運行結果截圖:
在上面的代碼中用到C++模板、標準庫中vector容器,以及迭代器實現了一些基本的操作,如訪問稀疏矩陣中某個元素,輸出稀疏矩陣、稀疏矩陣的轉置以及快速轉置還有兩個稀疏矩陣的加法。
快速轉置操作的基本思路是:
(1)統計原矩陣中每一列有多少個有效元素;
(2)原矩陣中每一列在新矩陣中的起始地址;
(3)放置元素到新空間中。
還需注意的是,在我們打印這個稀疏矩陣時雖然也可以直接調用訪問元素的Acess接口,但是每次進去之後都得遍歷一遍,時間複雜度較高,所以我們不採取這種辦法,而是比較當前行列的值,若相等輸出有效元素,不等則輸出無效元素0。
閱讀更多 成都朗沃教育 的文章