java数据结构与算法一:稀疏数组
稀疏数组
ps:记录韩顺平数据结构与算法
一、需求分析
因为二维数组的很多值是默认值0,因此记录了很多没有意义的数据,可采用稀疏数组解决此问题。
二、基本介绍
当一个数组中大部分元素为0,或者为同一个值的数组时,可以使用稀疏数组来保存该数组。
稀疏数组的处理方法是:
1)记录数组一共有几行几列,有多少个不同的值
2)把具体 不同值得元素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
稀疏数组中第一行依次存放着总行数、总列数、 不同值的个数,其他行则依次存放着值所在的行、值所在的列、值的大小
三、二维数组与稀疏数组转换的思路
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就可以创建稀疏数组sparseArr int[sum+1][3]
3、将二维数组的有效数据存入到稀疏数组中
稀疏数组转原始的二维数组的思路
1、先读取稀疏数组的第一行,根据第一行的数据,创建原始的二维数组,比如 chessArr2 = int[11][11]
2、在读取稀疏数组后几行的数据,并赋给原始的二维数组即可
四、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; chessArr1[6][6] = 6; //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.print(data + "\t"); } System.out.println(); } //将二维数组 转 稀疏数组的思路 //1. 先遍历二维数组得到非0数据的个数 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 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的值存放在稀疏数组sparseArr中 int count = 0; //count 用于记录是第几个非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]; } } } //输出稀疏数组的形式 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",sparseArr[i][0],sparseArr[i][1],sparseArr[i][2]); System.out.println(); } System.out.println(); //将稀疏数组 --> 恢复成原始的二维数组 /** * 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,比如上面的 chessArr2 = int[11][11] * 2、再读取稀疏数组后几行的数据,并赋给原始的二维数组即可 */ //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 chessArr2[][] = new int[sparseArr[0][0]][sparseArr[0][1]]; //2、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即可 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 System.out.println(); System.out.println("恢复后的二维数组"); for (int[] row : chessArr2) { for(int data : row) { System.out.print(data + "\t"); } System.out.println(); } System.out.println("将稀疏数组保存到磁盘上,比如map.data-----------"); try { File file = new File("H:\\workplaces\\eclipse_programs\\DataStructures\\map.data"); FileOutputStream fos = new FileOutputStream(file); OutputStreamWriter opsw = new OutputStreamWriter(fos,"UTF-8"); System.out.println("正在写入......."); for (int i = 0; i < sparseArr.length; i++) { opsw.append(sparseArr[i][0] + "," + sparseArr[i][1] + "," + sparseArr[i][2] + ","); } //关闭输出流 opsw.close(); fos.close(); System.out.println("写入磁盘成功...."); //读取磁盘文件中的map.data System.out.println("正在读取中....."); FileInputStream fs = new FileInputStream(file); InputStreamReader isr = new InputStreamReader(fs); StringBuffer sb = new StringBuffer(); while(isr.ready()) { // 读取数据并转成char加到StringBuffer对象中 sb.append((char)isr.read()); } // 关闭输入流 isr.close(); fs.close(); System.out.println("读取成功...."); String content = sb.toString(); System.out.printf("从磁盘读取的字符串为:\n%s\n",content); // 恢复稀疏数组 String[] strArr = sb.toString().split(","); // 创建新的稀疏数组 int[][] newSparseArr = new int[strArr.length/3][3]; int j = 0; for(String s : strArr) { newSparseArr[j/3][j%3] = Integer.parseInt(s); j++; } System.out.println("恢复后的稀疏数组--------"); for (int i = 0; i < newSparseArr.length; i++) { System.out.printf("%d\t%d\t%d\t",newSparseArr[i][0],newSparseArr[i][1],newSparseArr[i][2]); System.out.println(); } // 恢复为原始的二维数组 int[][] newChessArr = new int[newSparseArr[0][0]][newSparseArr[0][1]]; for(int i = 1; i < newSparseArr.length; i++) { newChessArr[newSparseArr[i][0]][newSparseArr[i][1]] = newSparseArr[i][2]; } System.out.println("恢复的原始二维数组-------"); for(int[] row : newChessArr) { for(int data : row) { System.out.print(data + "\t"); } System.out.println(); } } catch (Exception e) { // TODO Auto-generated catch block e.printStackTrace(); } } }
相关推荐
shenwenjie 2020-09-24
xiesheng 2020-08-02
Cypress 2020-07-08
LauraRan 2020-09-28
范范 2020-07-30
mingyunxiaohai 2020-07-19
hugebawu 2020-10-12
koushr 2020-11-12
zhangxiafll 2020-11-13
kikaylee 2020-10-31
范范 2020-10-28
MILemon 2020-10-22
omyrobin 2020-09-23
guangcheng 2020-09-22
qiangde 2020-09-13
hanyujianke 2020-08-18
晨曦之星 2020-08-14
xiesheng 2020-08-06