『数据结构与算法』稀疏数组

微信搜索:码农StayUp
主页地址:https://gozhuyinglong.github.io
源码分享:https://github.com/gozhuyinglong/blog-demos

五子棋游戏的存取需求

在介绍稀疏数组前我们先来引入一个需求,下面是一个五子棋的棋盘(15 * 15),玩到中途时想要保存离开,希望下次打开还可以继续玩。我们怎么实现呢?

五子棋


从对棋盘的观察来看,我们可以使用int型的二维数组进行存储,将未落子的地方存储0,白子存储1,黑子存储2,那么我们的数组可能是这样的:

五子棋二维数组展示

可以看出,使用二维数组是能解决这个需求的。但我们也发现了一个问题,上面存储相同数值的0比较多,这对空间造成了浪费,有没有另外一种存储方式呢?答案是可以使用稀疏数组,下面我们来看稀疏数组是怎么实现的!

稀疏数组(Sparse Array)

当一个数组中大部分元素是0,或者是一个相同的值时,可以使用稀疏数组来保存该数组。

稀疏数组的处理方式是:

记录数组一共有几行几列,以及不同值的数量

把具有不同值元素的行列及其值记录在一个小规模的数组中,从而缩小数据的规模。

那我们把上面二维数组转为稀疏数组存储,看是什么样子的。

稀疏数组存储结构


第一行(即:0行)比较特殊,row存储总行数,col存储总列数,value存储非零(不同值)元素的数量;
其他行结构相同,每一行存储一条非零元素信息,row存储元素所在行,col存储元素所在列,value存储元素的值。

代码实现

我们使用代码来实现二维数组与稀疏数组的相互转换,下面是具体的实现!

public class SparseArrayDemo { public static void main(String[] args) { System.out.println("-----------------------普通数组"); int[][] initialArray = initArray(); printArray(initialArray); System.out.println("-----------------------普通数组 --> 稀疏数组"); int[][] sparseArray = arrayConvertSparseArray(initialArray); printArray(sparseArray); System.out.println("-----------------------稀疏数组 --> 普通数组"); int[][] array = sparseArrayConvertArray(sparseArray); printArray(array); } /** * 初始化五子棋数组 * * @return */ static int[][] initArray() { // 0为空,1为白子,2为黑子 int[][] array = new int[15][15]; array[3][11] = 1; array[4][10] = 2; array[5][9] = 2; array[6][8] = 2; array[6][7] = 1; array[7][8] = 1; array[7][7] = 2; array[8][6] = 1; return array; } /** * 打印二维数组 * * @param array */ static void printArray(int[][] array) { for (int[] row : array) { for (int data : row) { System.out.printf("%s\t", data); } System.out.println(); } } /** * 统计非零值数量 * * @param array * @return */ static int valueCount(int[][] array) { int count = 0; for (int[] row : array) { for (int data : row) { if (data != 0) { count++; } } } return count; } /** * 普通数组转为稀疏数组 * * @param array * @return */ static int[][] arrayConvertSparseArray(int[][] array) { int rowNum = array.length; int colNum = array[0].length; int valueNum = valueCount(array); int[][] sparseArray = new int[valueNum + 1][3]; sparseArray[0][0] = rowNum; sparseArray[0][1] = colNum; sparseArray[0][2] = valueNum; int rowCount = 1; for (int i = 0; i < array.length; i++) { for (int j = 0; j < array[i].length; j++) { int value = array[i][j]; if (value != 0) { sparseArray[rowCount][0] = i; sparseArray[rowCount][1] = j; sparseArray[rowCount][2] = value; rowCount++; } } } return sparseArray; } /** * 稀疏数组转为普通数组 * * @param sparseArray * @return */ static int[][] sparseArrayConvertArray(int[][] sparseArray) { int rowNum = sparseArray[0][0]; int colNum = sparseArray[0][1]; int valueNum = sparseArray[0][2]; int[][] array = new int[rowNum][colNum]; for (int i = 1; i < valueNum + 1; i++) { int row = sparseArray[i][0]; int col = sparseArray[i][1]; int value = sparseArray[i][2]; array[row][col] = value; } return array; } }

输出结果:

-----------------------普通数组 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 2 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -----------------------普通数组 --> 稀疏数组 15 15 8 3 11 1 4 10 2 5 9 2 6 7 1 6 8 2 7 7 2 7 8 1 8 6 1 -----------------------稀疏数组 --> 普通数组 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 2 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 推荐阅读

《 数组 》

《 稀疏数组 》

《 链表(单链表、双链表、环形链表) 》

《 栈 》

《 队列 》

《 树 》

《 二叉树 》

《 二叉查找树(BST) 》

《 AVL树(平衡二叉树) 》

《 B树 》

《 散列表(哈希表) 》

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wsxdwx.html