【数据结构】稀疏矩阵的压缩存储

本文介绍了稀疏矩阵的概念,当矩阵中0元素远多于非0元素时,采用稀疏矩阵可以节省存储空间。文章详细讲解了行优先和列优先两种存储方式,并展示了如何使用TupNode和TSMatrix结构体进行压缩存储。强调了在处理稀疏矩阵时,存储方式(行优先或列优先)的重要性,因为这直接影响到数据的正确提取。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

关于矩阵

稀疏矩阵

行优先和列优先

稀疏矩阵的压缩存储


关于矩阵

稀疏矩阵

矩阵中,若数值为0的元素数目远远多于非0元素的数目,并且非0元素分布没有规律时,则称该矩阵为稀疏矩阵;与之相反,若非0元素数目占大多数时,则称该矩阵为稠密矩阵。

如这个稀疏矩阵,这个矩阵占用了6*7的元素类型大小,但是里边有大量的0,,即有用信息很有限,因此我们可以只提取其有用信息来对其进行压缩。得到一个坐标及其元素值的表

行优先和列优先

举例说明:这里有一个数组

行优先排列

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
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