【408数据结构与算法】—数组和特殊矩阵的压缩存储(二十五)

简介: 【408数据结构与算法】—数组和特殊矩阵的压缩存储(二十五)

一、数组

  • 数组:按一定格式排列起来的具有相同类型的数据元素的集合
  • 一维数组:若线性表中的数据元素为非结构的简单元素,则称为一组数组
  • 一维数组的逻辑结构:线性表,定长的线性表
  • 声明格式:数据类型 变量名称【长度】

    二维数组:若一维数组中的数据元素又是一维数组结构,则称为二维数组。

声明格式:数据类型 变量名称[行数][列数]

在C语言中,一个二维数组类型也可以定义为一维数组类型(其分量类型为一维数组类型)即:

三维数组:若二维数组中的元素又是一个一维数组,则称作三维数组。

n维数组:若n-1维数组中的元素又是一个一维数组结构,则称作n维数组。

线性表结构是数组结构的一个特例,而数组结构又是线性表结构的扩展

  • 数组的特点:结构固定—定义后,维数和维届不再改变。
  • 数组的基本操作:除了结构的初始化和销毁之外,只有取值元素和修改元素值的操作。

二、数组的抽象数据类型定义

n维数组的抽象数据类型

😛二维数组的抽象数据类型定义

三、数组的基本操作

四、数组的顺序存储

  • 数组的特点:结构固定,维数和维界不变
  • 数组的基本操作:初始化,销毁,取元素、修改元素值。一般不做插入和删除操作
  • 一般都是采用顺序存储结构来存储
  • 注意:数组可以是多维的,但存储数据元素的内存单元地址是唯一的,因此在存储数组结构之前,需要解决将多维关系映射到一维关系的问题。

📢📢例:有数组定义:int a[5],每个元素占用4字节,假设a[0]存储在2000单元,a[3]地址是多少?

😛二维数组的存储方式

二维数组可有两种存储方式:

  • 以行序为主序
  • 以列序为主序

    以行序为主序

    以列序为主

🎇二维数组的行序优先表示

以行序为主序:设数组开始存储位置LOC(0,0),存储每个元素需要L个存储单元数组元素a[i][j]的存储位置是:LOC(i,j)=LOC(0,0)+(n*i+j)*L

(n*i+j)表示a[i][j]前面所有元素的个数

🎇三维数组

按页/行/列存放,页优先的顺序存储

n维数组

五、特殊矩阵的压缩存储

  • 矩阵:一个由m*n个元素排成的m行n列的表
  • 矩阵的常规存储:将矩阵描述为一个二维数组
  • 矩阵的常规存储特点:可以对其元素进行随机存储 ;矩阵运算非常简单,存储的密度为1
  • 不适宜常规存储的矩阵:值相同的元素很多且呈某种规律分布;零元素多
  • 矩阵的压缩存储:为多个相同的为零元素只分配一个存储空间,对零元素不分配空间

1️⃣什么是压缩存储?

若多个数据元素的值相同,则只分配一个元素值的存储空间,且零元素不占存储空间

2️⃣什么样的矩阵能够压缩?

一些特殊矩阵,如对称矩阵,对角矩阵,三角矩阵,稀疏矩阵

3️⃣什么是稀疏矩阵?

矩阵中非零元素的个数较少(一般小于5%)

4️⃣对称矩阵

  • 特点:在n*n的矩阵中,满足如下性质:aij=aji(1<=i,j<=n)
  • 存储方法:只存储下(或者上)三角包括主对角线的数据元素,共占用n(n+1)/2个元素空间

🍑三角矩阵

特点:对角线以下(或者以上)的数据元素(不包括对角线)全部为常数C

🍑🍑对角矩阵

特点:在n*n的方阵中,所有非零元素都集中在以主对角线为中心的带状区域中,区域外的值全为0,则称为对角矩阵,常见的有三对角矩阵,五对角矩阵、七对角矩阵

存储方法:以对角线的顺序存储

稀疏矩阵存储

压缩存储原则:存各非零元的值,行列位置和矩阵的行列数

三元组顺序表

注意:为更可靠描述,通常再加一个总体信息,即:总行数、总列数、非零元素总个数

试着还原下列三元组所表示的稀疏矩阵

  • 三元组顺序表又称有序的双下标法
  • 三元组顺序表的优点:非零元素在表中按行序有序存储,因此便于进行依行顺序处理的矩阵运算
  • 三元组顺序表的缺点:不能随机存储,若按行号存 取某一行中的非零元素,则需从头开始进行查找


相关文章
|
2月前
|
存储 算法 编译器
数据结构实验之矩阵的运算器(二维数组)
本实验旨在通过团队合作,掌握数组和矩阵相关运算的代码实现,包括矩阵的加减、数乘、转置、乘法、n次方及行列式的计算。实验过程中,成员们需分工协作,解决编程难题,最终实现一个功能完备的矩阵计算器。通过本实验,不仅锻炼了编程能力,还加深了对数学概念的理解,同时培养了团队合作精神。
75 4
|
3月前
|
算法
Leetcode 初级算法 --- 数组篇
Leetcode 初级算法 --- 数组篇
53 0
|
19天前
|
算法
|
1月前
|
存储 人工智能 自然语言处理
Delta-CoMe:清华联合OpenBMB等高校开源的新型增量压缩算法
Delta-CoMe是由清华大学NLP实验室联合OpenBMB开源社区、北京大学和上海财经大学提出的新型增量压缩算法。该算法通过结合低秩分解和低比特量化技术,显著减少了大型语言模型的存储和内存需求,同时保持了模型性能几乎无损。Delta-CoMe特别适用于处理数学、代码和多模态等复杂任务,并在推理速度上有所提升。
68 6
Delta-CoMe:清华联合OpenBMB等高校开源的新型增量压缩算法
|
3月前
|
算法 程序员 索引
数据结构与算法学习七:栈、数组模拟栈、单链表模拟栈、栈应用实例 实现 综合计算器
栈的基本概念、应用场景以及如何使用数组和单链表模拟栈,并展示了如何利用栈和中缀表达式实现一个综合计算器。
58 1
数据结构与算法学习七:栈、数组模拟栈、单链表模拟栈、栈应用实例 实现 综合计算器
|
3月前
|
并行计算 算法 IDE
【灵码助力Cuda算法分析】分析共享内存的矩阵乘法优化
本文介绍了如何利用通义灵码在Visual Studio 2022中对基于CUDA的共享内存矩阵乘法优化代码进行深入分析。文章从整体程序结构入手,逐步深入到线程调度、矩阵分块、循环展开等关键细节,最后通过带入具体值的方式进一步解析复杂循环逻辑,展示了通义灵码在辅助理解和优化CUDA编程中的强大功能。
|
3月前
|
机器学习/深度学习 算法 搜索推荐
django调用矩阵分解推荐算法模型做推荐系统
django调用矩阵分解推荐算法模型做推荐系统
50 4
|
3月前
|
存储 算法 定位技术
数据结构与算法学习二、稀疏数组与队列,数组模拟队列,模拟环形队列
这篇文章主要介绍了稀疏数组和队列的概念、应用实例以及如何使用数组模拟队列和环形队列的实现方法。
36 0
数据结构与算法学习二、稀疏数组与队列,数组模拟队列,模拟环形队列
|
2月前
|
存储 NoSQL Redis
Redis常见面试题:ZSet底层数据结构,SDS、压缩列表ZipList、跳表SkipList
String类型底层数据结构,List类型全面解析,ZSet底层数据结构;简单动态字符串SDS、压缩列表ZipList、哈希表、跳表SkipList、整数数组IntSet
|
2月前
|
存储 JSON 算法
TDengine 检测数据最佳压缩算法工具,助你一键找出最优压缩方案
在使用 TDengine 存储时序数据时,压缩数据以节省磁盘空间是至关重要的。TDengine 支持用户根据自身数据特性灵活指定压缩算法,从而实现更高效的存储。然而,如何选择最合适的压缩算法,才能最大限度地降低存储开销?为了解决这一问题,我们特别推出了一个实用工具,帮助用户快速判断并选择最适合其数据特征的压缩算法。
67 0