稀疏数组

本文介绍稀疏矩阵的概念,以及如何将其转换为稀疏数组以节省存储空间。通过实例演示了遍历二维数组获取非零元素,创建并填充稀疏数组的过程,最后将稀疏数组恢复为原始二维数组。

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

稀疏数组

在矩阵中,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。存储矩阵的一般方法是采用二维数组,其优点是可以随机地访问每一个元素,因而能够容易实现矩阵的各种运算。对于稀疏矩阵,采用二维数组的存储方法既浪费大量的存储单元来存放零元素,又要在运算中浪费大量的时间来进行零元素的无效运算。因此必须考虑对稀疏矩阵进行压缩存储(只存储非零元素)。

首先创建一个二维数组chessArr1,加入两个参数

int chessArr1[][] = new int[11][11];
chessArr1[1][2] = 1;
chessArr1[2][3] = 2;

遍历输出查看chessArr1数组

for (int[] row : chessArr1) {
	for (int data : row) {
		System.out.printf("%d\t",data);
	}
	System.out.println();
}

得出结果
在这里插入图片描述
将二维数组 转为 稀疏数组
首先先遍历二维数组得到非0的个数

int sum = 0;
for (int i = 0; i < 11; i++) {
	for (int j = 0; j < 11; j++) {
		if(chessArr1[i][j] != 0) {
			sum++;
		}
	}
}

随后创建对应的稀疏数组

int sparseArr[][] = new int[sum+1][3];

给稀疏数组赋值

sparseArr[0][0] = 11;
sparseArr[0][1] = 11;
sparseArr[0][2] = sum;

遍历二维数组,将非0的值存放到sparseArr中

int count = 0;//count用于记录时第几个非0数据
for (int i = 0; i < 11; i++) {
	for (int j = 0; j < 11; j++) {
		if(chessArr1[i][j] != 0) {
			count++;
			sparseArr[count][0] = i;
			sparseArr[count][1] = j;
			sparseArr[count][2] = chessArr1[i][j];
		}
	}
}

输出稀疏数组

System.out.println();
System.out.println("得到稀疏数组为");
for (int i = 0; i < sparseArr.length; i++) {
	System.out.printf("%d\t%d\t%d\t\n",sparseArr[i][0],sparseArr[i][1],sparseArr[i][2]);
}
System.out.println();
行row列col值val
11112
121
232

将稀疏数组恢复成原始的二维数组
首先先读取稀疏数组的第一行,根据第一行的数据,创建原始的二维数组

int chessArr2[][] = new int[sparseArr[0][0]][sparseArr[0][1]];

再读取稀疏数组后几行的数据(从第二行开始),并赋给原始的二维数组

for (int i = 1; i < sparseArr.length; i++) {
	chessArr2[sparseArr[i][0]][sparseArr[i][1]] = sparseArr[i][2];
}

输出恢复后的二维数组

for(int[] row : chessArr2) {
	for(int data : row) {
		System.out.printf("%d\t",data);
	}
	System.out.println();
}

在这里插入图片描述
二维数组转稀疏数组的思路:

  1. 遍历原始的二维数组,得到有效数据的个数sum
  2. 根据sum可以创建稀疏数组sparseArr[sum+1][3];
  3. 将二维数组的有效数据存入到稀疏数组

稀疏数组转二维数组的思路:

  1. 先读取稀疏数组的第一行,根据第一行的数据,创建二维数组,chessArr2 = int[11][11]
  2. 在读取稀疏数组后几行的数据,并赋值给二维数组。
内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
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