稀疏矩阵的快速转置算法
本篇博客主要内容摘要:
1. 什么是稀疏矩阵
2. 稀疏矩阵的压缩存储
3. 稀疏矩阵的转置(number one)
4. 稀疏矩阵的快速转置(number two)
稀疏矩阵的压缩存储
什么是稀疏矩阵?
/* 这是大学的以么课《线性代数》学的,不知道大家还记得多少,在老师讲到实现稀疏矩阵的压缩存储的时候,我知记得我当时考了75分,其它的就呵呵了-_-!!!
言归正传,稀疏矩阵,例如:
--------------
0 0 2 0 4
0 0 0 0 0
0 1 0 3 0
5 0 6 0 0
--------------
上面这个就是稀疏矩阵,仔细观察,好像没什么规律吧,而且,习惯上我们把非 0 数据称为有效数据,在这个矩阵中,明显0要比有效数据多不少,这就是我么为什么要对压缩存储了; 避免浪费嘛! 高效率,低消耗是我们程序员追求的完美!
那么,问题来了,前面我们讲过关于对称矩阵的压缩存储http://blog.youkuaiyun.com/bitboss/article/details/52599692,用一维数组存储下三角数据,那么这里该怎么存?
相信大家都可以第一时间反应过来,把有效数据都拿出来存储不就好了嘛,对,就是这样,那么稀疏矩阵的有效数据是无规律的,我们是不是还得把它们的坐标也存储起来,否则是不是找不了。。。。。这块有一个对象有三个属性都要存起来,我们用什么好呢? 结构体,没问题,这里我选择用结构体来存储单独的数据,而vector(顺序表)存储这些结构体,当然,并不是每个无效值都是0,我们还需要一个变量来表示我们的无效值,好了,,,框架成形了,,,来实现代码吧!
#include<iostream>
#include<vector>
using namespace std;
template<class T>
struct Triple //保存数据的结构体
{
size_t _row;
size_t _col;
T _data;
Triple(size_t row = 0, size_t col = 0, const T& x = T())
:_row( row)
,_col( col)
,_data( x)
{}
};
template<class T>
class SparseMatrix
{
public:
SparseMatrix(T * arr, size_t m , size_t n, const T& invalid) //注意传参的含义
:_m( m)
,_n( n)
,_invalid( invalid)
{
将有效数据都存入vector内;
for(size_t i = 0; i < _m; i++)
{
for(size_t j = 0; j < _n; j++)
{
if(arr [i*n + j] != _invalid) //有效数据的判定条件;
{
Triple<T > tmp(i,j,arr[i* n + j]);
_martix.push_back(tmp);
}
}
}
}
打印稀疏矩阵--就是从压缩存储还原的过程;
void Display()
{
int index = 0;
for(size_t i = 0; i < _m; i++)
{
for(size_t j = 0; j < _n; j++)
{
if( index < _martix.size()&&
_martix[index]._row == i&&
_martix[index]._col == j)//判断该位置是否放置有效数据;
{
cout<<_martix[index++]._data<< " ";
}
else //否则该位置放置无效数据
cout<<_invalid<< " ";
}
cout<<endl;
}
cout<<endl;
}
private:
size_t _m; //矩阵的行数
size_t _n; //矩阵的列数
T _invalid; //无效数据