华为OD机试 - 矩阵稀疏扫描(Java & JS & Python)

本文介绍了如何处理稀疏矩阵问题,特别是在华为在线测评(OD)中的应用。通过判断矩阵中连续0的个数是否超过行宽或列宽的一半来确定稀疏行和列,提供了Java、JS和Python三种语言的解题思路和代码实现。

题目描述

如果矩阵中的许多系数都为零,那么该矩阵就是稀疏的。对稀疏现象有兴趣是因为它的开发可以带来巨大的计算节省,并且在许多大的实践中都会出现矩阵稀疏的问题。

给定一个矩阵,现在需要逐行和逐列地扫描矩阵,如果某一行或者某一列内,存在连续出现的0的个数超过了行宽或者列宽的一半 [W /2] (整除) ,则认为该行或者该列是稀疏的。

扫描给定的矩阵,输出稀疏的行数和列数。

输入描述

第一行输入为M和N,表示矩阵的大小M*N,0 < M ≤ 100,0 < N ≤ 100

接下来M行输入为矩阵的成员,每行N个成员,矩阵成员都是有符号整数,范围-32,768到32,767

输出描述

输出两行,第一行表示稀疏行的个数,第二行表示稀疏列的个数

用例

输入 3 3
1 0 0
0 1 0
0 0 1
输出 3
3
说明
矩阵稀疏扫描是指对于一个二维矩阵,按照行优先的顺序扫描矩阵中的元素,并将非零元素按照行优先的顺序存储到一个一维数组中。 以下是一个使用Java语言实现的矩阵稀疏扫描的示例代码: ```java public class MatrixSparseScan { public static int[] sparseScan(int[][] matrix) { int row = matrix.length; // 矩阵的行数 int col = matrix[0].length; // 矩阵的列数 // 计算非零元素的个数 int count = 0; for (int i = 0; i < row; i++) { for (int j = 0; j < col; j++) { if (matrix[i][j] != 0) { count++; } } } // 创建稀疏数组 int[] sparseArray = new int[count * 3 + 1]; sparseArray[0] = row; // 存储矩阵的行数 sparseArray[1] = col; // 存储矩阵的列数 sparseArray[2] = count; // 存储非零元素的个数 int index = 3; // 稀疏数组的索引 for (int i = 0; i < row; i++) { for (int j = 0; j < col; j++) { if (matrix[i][j] != 0) { sparseArray[index++] = i; // 存储非零元素的行索引 sparseArray[index++] = j; // 存储非零元素的列索引 sparseArray[index++] = matrix[i][j]; // 存储非零元素的值 } } } return sparseArray; } public static void main(String[] args) { int[][] matrix = { {1, 0, 0}, {0, 2, 0}, {0, 0, 3} }; int[] sparseArray = sparseScan(matrix); for (int i = 0; i < sparseArray.length; i++) { System.out.print(sparseArray[i] + " "); } } } ``` 运行上述代码,输出结果为:3 3 3 0 0 1 1 1 2 2 2 3。其中,3表示矩阵的行数,3表示矩阵的列数,3表示非零元素的个数,接下来依次为非零元素的行索引、列索引和值。
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

打赏作者

清水乐园

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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