当前位置:
首页 > Python基础教程 >
-
稀疏数组
一、引入
先来看一个实际问题:
- 编写的五子棋程序中,有存盘退出和续上盘的功能
如上图,0表示没有棋子,1表示黑色棋子,2表示蓝色棋子
- 问题分析:因为该二维数组很多值是默认值0,因此记录了很多没有意义的数据。
- 解决方案:用稀疏数组代替二维数组
二、稀疏数组
- 基本介绍:当一个数组中大部分元素为0,或者为同一个值时,可以使用稀疏数组来保存该数组
- 稀疏数组的处理方法是:
- 记录数组一共有几行几列,有多少个不同的值
- 把具有不同值的行列及值记录在一个小规模的数组中,从而缩小程序的规模
- 举例说明:
该二维数组的大小为6*7,除0外共有8个不同的值,因此稀疏数组的第一行为[6 7 8], 然后将8个不同的值依次记录到稀疏数组中。 如二维数组中的“22” 位于第0行第3列,则稀疏数组第二行为[0 3 22]。同理可得剩余的值。
三、 代码实现
public class SparseArray { public static void main(String[] args) { // 创建一个原始的二维数组11*11 // 0:表示没有棋子, 1:表示黑子 2:表示蓝子 int chessArr1[][] = new int[11][11]; chessArr1[1][2] = 1; chessArr1[2][3] = 2; //输出原始的二维数组 System.out.println("原始的二维数组:"); for (int[] row : chessArr1) { for (int data: row) { System.out.printf("%d\t", data); } System.out.println(); } //将二维数组 转 稀疏数组的思想 // 1.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++; } } } //2. 创建对应的稀疏数组 int sparseArray[][] = new int[sum+1][3]; //3. 给稀疏数组赋值 sparseArray[0][0] = 11; sparseArray[0][1] = 11; sparseArray[0][2] = sum; // 遍历二维数组,将非0的值存放到sparseArray中 int count = 0; for (int i = 0; i < 11; i++) { for (int j =0; j < 11; j++) { if (chessArr1[i][j] != 0) { count++; sparseArray[count][0] = i; sparseArray[count][1] = j; sparseArray[count][2] = chessArr1[i][j]; } } } // 输出稀疏数组的形式 System.out.println(); System.out.println("得到的稀疏数组为:"); for (int i =0; i < sparseArray.length; i++) { System.out.printf("%d\t%d\t%d\t\n", sparseArray[i][0], sparseArray[i][1], sparseArray[i][2]); } System.out.println(); //将稀疏数组恢复成二维数组 // 1.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 a = sparseArray[0][0]; int b = sparseArray[0][1]; int chessArr2[][] = new int[a][b]; // 2.再读取稀疏数组后几行的数据,并赋给 原始的二维数组 for (int i = 1; i < sparseArray.length; i++) { chessArr2[sparseArray[i][0]][sparseArray[i][1]] = sparseArray[i][2]; } System.out.println("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(); } } }
栏目列表
最新更新
nodejs爬虫
Python正则表达式完全指南
爬取豆瓣Top250图书数据
shp 地图文件批量添加字段
爬虫小试牛刀(爬取学校通知公告)
【python基础】函数-初识函数
【python基础】函数-返回值
HTTP请求:requests模块基础使用必知必会
Python初学者友好丨详解参数传递类型
如何有效管理爬虫流量?
SQL SERVER中递归
2个场景实例讲解GaussDB(DWS)基表统计信息估
常用的 SQL Server 关键字及其含义
动手分析SQL Server中的事务中使用的锁
openGauss内核分析:SQL by pass & 经典执行
一招教你如何高效批量导入与更新数据
天天写SQL,这些神奇的特性你知道吗?
openGauss内核分析:执行计划生成
[IM002]Navicat ODBC驱动器管理器 未发现数据
初入Sql Server 之 存储过程的简单使用
这是目前我见过最好的跨域解决方案!
减少回流与重绘
减少回流与重绘
如何使用KrpanoToolJS在浏览器切图
performance.now() 与 Date.now() 对比
一款纯 JS 实现的轻量化图片编辑器
关于开发 VS Code 插件遇到的 workbench.scm.
前端设计模式——观察者模式
前端设计模式——中介者模式
创建型-原型模式