二维数组与稀疏数组

谁借莪１个温暖的怀抱￠ 2022-10-10 13:57 215阅读 0赞

## 一。简介 ##

### 1.介绍 ###

大家都清楚，数组的初始化时是需要有固定长度的，这样内存才会开辟一段单独连续的存储空间给数组使用。在我们在使用数组的过程中，往往数组的大小定义是不能做到很精准的，这样就导致了数组中出现了大量的未使用的空间，造成空间的浪费，数据量大时还会影响其性能。

而稀疏数组的出现就是为了解决二维数组大量空间浪费的问题，将一个大而繁杂的、大量空间未使用的二维数组转换成一个小型的、没有造成空间浪费的二维数组，这样的数组就叫做稀疏数组。

### 2.定义 ###

稀疏数组的列数是确定的，但是行数是可变的，其变化是根据原二维数组中不同数值的数目改变而发生改变的：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAwOTQ0Nw_size_16_color_FFFFFF_t_70]  
例如：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAwOTQ0Nw_size_16_color_FFFFFF_t_70 1]

*  使用稀疏数组，来保留类似前面的二维数组(棋盘、地图等等)
 *  把稀疏数组存盘，并且可以从新恢复原来的二维数组数

## 二。例子 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAwOTQ0Nw_size_16_color_FFFFFF_t_70 2]

### 分析问题 ###

因为该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.->稀疏数组。

### 解决思路 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAwOTQ0Nw_size_16_color_FFFFFF_t_70 3]

### Java代码实现 ###

/** * @author Keson * @version 1.0 * @description: TODO * @date 2021/6/28 18:18 */
    public class SparseArray { 
        public static void main(String[] args) { 
            //1.定义一个二维数组
            int[][] intArraysBefore = new int[11][11];
            intArraysBefore[0][2]=1;
            intArraysBefore[1][3]=2;
            intArraysBefore[5][6]=6;
    
            //打印输出二维数组
            System.out.println("这是原始的二维数组");
            for(int[] arr : intArraysBefore){ 
                for(int num : arr){ 
                    System.out.print(" "+num);
                }
                System.out.println();
            }
    
            //得到不为0的个数
            int sum=0;
            for(int[] arr : intArraysBefore){ 
                for(int num : arr){ 
                    if(num != 0){ 
                        sum++;
                    }
                }
            }
    
            //2.初始化稀疏数组
            int[][] sparseArray=new int[sum+1][3];
            //第一行存储的是原始二维数组的行数、列数、以及不同数值的个数
            sparseArray[0][0]=11;
            sparseArray[0][1]=11;
            sparseArray[0][2]=sum;
    
            //将不为0的数所在行、列以及值赋给稀疏数组
            int count = 0;//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(intArraysBefore[i][j] != 0){ 
                        count++;
                        sparseArray[count][0]=i;
                        sparseArray[count][1]=j;
                        sparseArray[count][2]=intArraysBefore[i][j];
                    }
                }
            }
            System.out.println("-------------------");
    
            //打印输出稀疏数组
            System.out.println("这是转换后的稀疏数组");
            for(int[] arr : sparseArray){ 
                for(int num : arr){ 
                    System.out.print(" "+num);
                }
                System.out.println();
            }
            System.out.println("-------------------");
    
            //3.再次将稀疏数组转化为原始二维数组
            int[][] intArrayAfter = new int[sparseArray[0][0]][sparseArray[0][1]];
            //循环赋值
            for(int i = 1;i < sparseArray.length;i++){ 
                intArrayAfter[sparseArray[i][0]][sparseArray[i][1]]=sparseArray[i][2];
            }
    
            //打印输出转化后的二维数组
            System.out.println("这是转换后的二维数组");
            for(int[] arr : intArrayAfter){ 
                for(int num : arr){ 
                    System.out.print(" "+num);
                }
                System.out.println();
            }
        }
    }

### 程序输出 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAwOTQ0Nw_size_16_color_FFFFFF_t_70 4]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAwOTQ0Nw_size_16_color_FFFFFF_t_70]: /images/20221005/750257c146754c359f3ff4494fb0d95f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAwOTQ0Nw_size_16_color_FFFFFF_t_70 1]: /images/20221005/ad257b8f3f764e96b22ab8ddb2f3fb42.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAwOTQ0Nw_size_16_color_FFFFFF_t_70 2]: /images/20221005/bfd0094fc12148d9a38b01746e288fb4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAwOTQ0Nw_size_16_color_FFFFFF_t_70 3]: /images/20221005/8098edd8cff248769112376214bbdcb6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAwOTQ0Nw_size_16_color_FFFFFF_t_70 4]: /images/20221005/30eefe2f7cd5455d8632289378488cd6.png