目录标题
二维以上矩阵
矩阵存储方式
行序优先存储
- 求任意元素地址计算公式：
Address(A[i][j]) = BaseAddress + ( i × n + j ) × ElementSize
- 其中：
BaseAddress 是数组的基地址，即数组第一个元素 A[0][0] 的地址。
i 是行索引，范围从 0 到 m−1。
j 是列索引，范围从 0 到 n−1。
ElementSize 是数组中每个元素的大小（以字节为单位）。
列序优先存储
- 求任意元素地址计算公式：
Address(A[i][j]) = BaseAddress+ ( j × m + i ) × ElementSize
- 其中：
BaseAddress 是数组的基地址，即数组第一个元素 A[0][0] 的地址。
i 是行索引，范围从 0 到 m−1。
j 是列索引，范围从 0 到 n−1。
ElementSize 是数组中每个元素的大小（以字节为单位）。
特殊矩阵
对称矩阵
-
n阶方阵元素满足：a[i][j] == a[j][i]
-
按行序优先存储方式：仅存储对称矩阵的下三角元素，将元素存储到一维数据A[0]~A[n(n+1)/2]中，则A[k]与二维矩阵a[i][j]地址之间的对应关系公式为：
k = { i ( i − 1 ) 2 + j , if i ≥ j j ( j − 1 ) 2 + i , if i < j k = \begin{cases} \frac{i(i-1)}{2} + j, & \text{if } i \geq j \\ \frac{j(j-1)}{2} + i, & \text{if } i < j \end{cases} k={2i(i−1)+j,2j(j−1)+i,if i≥jif i<j
稀疏矩阵
- 定义：矩阵的非零元素比零元素少，且分布没有规律。
- 稀疏矩阵的两种存储方式：
- 三元组
- 十字链表
三元组方式存储稀疏矩阵的实现
- 特点：为了节省存储空间，只存储非零元素数值，因此，还需存储元素在矩阵中对应的行号与列号，形成唯一确定稀疏矩阵中任一元素的三元组:
(row, col, data)
row 行号
col 列号
data 非零元素值
三元组初始化
python
class Triples:
"""
三元组初始化
"""
def __init__(self):
self.row = 0 # 行号
self.col = 0 # 列号
self.data = None # 非零元素值稀疏矩阵的初始化
python
class Matrix:
"""
稀疏矩阵初始化
"""
def __init__(self, row, col):
# 行数
self.row = row
# 列数
self.col = col
# 最大容量
self.maxSize = row * col
# 非零元素的个数
self.nums = 0
# 存储稀疏矩阵的三元组
self.matrix = [Triples() for i in range(self.maxSize)]稀疏矩阵的创建
- 通过指定行列与元素值的方式进行插入创建
- 行序优先原则
- 主要通过if语句对不同的比较结果流向不同的分支。
python
def insert(self, row, col, data):
"""
将数据插入三元组表示的稀疏矩阵中，成功返回0，否则返回-1
:param row: 行数
:param col: 列数
:param data: 数据元素
:return: 是否插入成功
"""
# 判断当前稀疏矩阵是否已满
if (self.nums >= self.maxSize):
print('当前稀疏矩阵已满')
return -1
# 判断列表是否溢出
if row > self.row or col > self.col or row < 1 or col < 1:
print("你输入的行或列的位置有误")
return -1
# 标志新元素应该插入的位置
p = 1
# 插入前判断稀疏矩阵没有非零元素
if (self.nums == 0):
self.matrix[p].row = row
self.matrix[p].col = col
self.matrix[p].data = data
self.nums += 1
return 0
# 循环，寻找合适的插入位置
for t in range(1, self.nums+1):
# 判断插入行是否比当前行大
if row > self.matrix[t].row:
p += 1
# 行数相等，但是列数大于当前列数
if (row == self.matrix[t].row) and (col > self.matrix[t].col):
p += 1
# 判断该位置是否已有数据，有则更新数据
if (row == self.matrix[p].row) and (col == self.matrix[p].col) and self.matrix[p].data == 0:
self.matrix[p].data = data
return 0
# 移动p之后的元素
for i in range(self.nums, p-1, -1):
self.matrix[i+1] = self.matrix[i]
# 插入新元素
self.matrix[p].row = row
self.matrix[p].col = col
self.matrix[p].data = data
# 元素个数加一
self.nums += 1
return 0展示当前稀疏矩阵
python
def display(self):
"""
稀疏矩阵展示
:return:
"""
if self.nums == 0:
print('当前稀疏矩阵为空')
return
print(f'稀疏矩阵的大小为:{self.row} × {self.col}')
# 标志稀疏矩阵中元素的位置
p = 1
# 双重循环
for i in range(1, self.row+1):
for j in range(1, self.col+1):
if i == self.matrix[p].row and j == self.matrix[p].col:
print("%d"%self.matrix[p].data, end='\t')
p += 1
else:
print(0, end='\t')
print()稀疏矩阵的转置
- 将矩阵中的所有每个元素a[i][j] = a[j][i]，其中a[i][j]与a[j][i]都存在。
- 每查找矩阵的一列，都完整地扫描器三元组数组，并进行行列颠倒。
- 要查找矩阵的每一列即每次都要定格行号。
python
def transpose(self):
"""
稀疏矩阵的转置
:return: 返回转置后的稀疏矩阵
"""
# 创建转置后的目标稀疏矩阵
matrix = Matrix(self.col, self.row)
matrix.nums = self.nums
# 判断矩阵是否为空
if self.nums > 0:
# 标志目标稀疏矩阵中元素的位置
q = 1
# 双重循环，行列颠倒
for col in range(1, self.row+1):
# p标志渊矩阵中元素的位置
for p in range(1, self.nums+1):
# 如果列相同，则行列颠倒
if self.matrix[p].col == col:
matrix.matrix[q].row = self.matrix[p].col
matrix.matrix[q].col = self.matrix[p].row
matrix.matrix[q].data = self.matrix[p].data
q += 1
return matrix三元组稀疏矩阵的调试与总代码
python
# 17.稀疏矩阵的实现
class Triples:
"""
三元组初始化
"""
def __init__(self):
self.row = 0 # 行号
self.col = 0 # 列号
self.data = None # 非零元素值
class Matrix:
"""
稀疏矩阵初始化
"""
def __init__(self, row, col):
# 行数
self.row = row
# 列数
self.col = col
# 最大容量
self.maxSize = row * col
# 非零元素的个数
self.nums = 0
# 存储稀疏矩阵的三元组
self.matrix = [Triples() for i in range(self.maxSize)]
def insert(self, row, col, data):
"""
将数据插入三元组表示的稀疏矩阵中，成功返回0，否则返回-1
:param row: 行数
:param col: 列数
:param data: 数据元素
:return: 是否插入成功
"""
# 判断当前稀疏矩阵是否已满
if (self.nums >= self.maxSize):
print('当前稀疏矩阵已满')
return -1
# 判断列表是否溢出
if row > self.row or col > self.col or row < 1 or col < 1:
print("你输入的行或列的位置有误")
return -1
# 标志新元素应该插入的位置
p = 1
# 插入前判断稀疏矩阵没有非零元素
if (self.nums == 0):
self.matrix[p].row = row
self.matrix[p].col = col
self.matrix[p].data = data
self.nums += 1
return 0
# 循环，寻找合适的插入位置
for t in range(1, self.nums+1):
# 判断插入行是否比当前行大
if row > self.matrix[t].row:
p += 1
# 行数相等，但是列数大于当前列数
if (row == self.matrix[t].row) and (col > self.matrix[t].col):
p += 1
# 判断该位置是否已有数据，有则更新数据
if (row == self.matrix[p].row) and (col == self.matrix[p].col) and self.matrix[p].data == 0:
self.matrix[p].data = data
return 0
# 移动p之后的元素
for i in range(self.nums, p-1, -1):
self.matrix[i+1] = self.matrix[i]
# 插入新元素
self.matrix[p].row = row
self.matrix[p].col = col
self.matrix[p].data = data
# 元素个数加一
self.nums += 1
return 0
def display(self):
"""
稀疏矩阵展示
:return:
"""
if self.nums == 0:
print('当前稀疏矩阵为空')
return
print(f'稀疏矩阵的大小为:{self.row} × {self.col}')
# 标志稀疏矩阵中元素的位置
p = 1
# 双重循环
for i in range(1, self.row+1):
for j in range(1, self.col+1):
if i == self.matrix[p].row and j == self.matrix[p].col:
print("%d"%self.matrix[p].data, end='\t')
p += 1
else:
print(0, end='\t')
print()
def transpose(self):
"""
稀疏矩阵的转置
:return: 返回转置后的稀疏矩阵
"""
# 创建转置后的目标稀疏矩阵
matrix = Matrix(self.col, self.row)
matrix.nums = self.nums
# 判断矩阵是否为空
if self.nums > 0:
# 标志目标稀疏矩阵中元素的位置
q = 1
# 双重循环，行列颠倒
for col in range(1, self.row+1):
# p标志渊矩阵中元素的位置
for p in range(1, self.nums+1):
# 如果列相同，则行列颠倒
if self.matrix[p].col == col:
matrix.matrix[q].row = self.matrix[p].col
matrix.matrix[q].col = self.matrix[p].row
matrix.matrix[q].data = self.matrix[p].data
q += 1
return matrix
if __name__ == '__main__':
# # 17.稀疏矩阵
# # 创建稀疏矩阵
matrix1 = Matrix(6, 7)
matrix1.display()
# 向矩阵中插入数据
matrix1.insert(1, 1, 88)
matrix1.insert(1, 2, 11)
matrix1.insert(1, 3, 21)
matrix1.insert(1, 4, 66)
matrix1.insert(1, 7, 77)
matrix1.insert(2, 2, 40)
matrix1.insert(2, 4, 2)
matrix1.insert(2, 7, 52)
matrix1.insert(3, 1, 92)
matrix1.insert(3, 6, 85)
matrix1.insert(4, 3, 12)
matrix1.insert(5, 1, 67)
matrix1.insert(5, 2, 26)
matrix1.insert(5, 4, 64)
matrix1.insert(6, 3, 55)
matrix1.insert(6, 5, 10)
matrix1.display()
# 矩阵转置
matrix2 = matrix1.transpose()
matrix2.display()- 运行结果
十字链表方式存储稀疏矩阵的实现
- 十字链表的结点结构图
- 十字链表头结点结构图
- 以下面矩阵为例，稀疏矩阵十字链表的表示图
( 1 0 0 2 0 0 1 0 0 0 0 1 ) \begin{pmatrix} 1 & 0 & 0 & 2 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{pmatrix} 100000010201
十字链表数据标签初始化
python
class Tag:
def __init__(self):
"""
十字链表数据标签初始化
"""
self.data = None
self.link = None十字链表结点初始化
python
class Node:
def __init__(self):
"""
十字链表结点初始化
"""
self.row = 0
self.col = 0
self.right = None
self.down = None
self.tag = Tag()十字链表初始化
python
def __init__(self, row, col):
"""
十字链表初始化
:param row: 行数
:param col: 列数
"""
self.row = row
self.col = col
self.maxSize = row if row > col else col
self.head = Node()
self.head.row = row
self.head.col = col十字链表的创建
- 这部分代码个人理解的很吃力，有没有人可以有更好的方式理解
python
def create(self, datas):
"""
创建十字链表，使用列表进行初始化
:param datas: 二维列表数据
:return:
"""
# 定义头结点的指针列表
head = [Node() for i in range(self.maxSize)]
# 初始化头结点的指针列表
tail = self.head
for i in range(0, self.maxSize):
# 构建循环链表
head[i].right = head[i]
head[i].down = head[i]
tail.tag.link = head[i]
tail = head[i]
# 将指针重新指向矩阵头结点
tail.tag.link = self.head
# 循环，添加元素
for i in range(0, self.row):
for j in range(0, self.col):
# 判断列表中的元素是否为0
if (datas[i][j] != 0):
# 初始化新结点
newNode = Node()
newNode.row = i
newNode.col = j
newNode.tag.data = datas[i][j]
# 插入行链表
node = head[i]
while node.right != head[i] and node.right.col < j:
node = node.right
newNode.right = node.right
node.right = newNode
# 插入列链表
node = head[j]
while node.down != head[j] and node.down.row < i:
node = node.down
newNode.down = node.down
node.down = newNode十字链表的展示
python
def display(self):
print(f"行={self.row}, 列 = {self.col}")
# 将列链的结点指向列中第一个结点
colNode = self.head.tag.link
# 循环列链
while colNode != self.head:
# 行链的结点指向行中第一个结点
rowNode = colNode.right
# 循环行链
while colNode != rowNode:
print(f"({rowNode.row + 1},{rowNode.col+1},{rowNode.tag.data})")
rowNode = rowNode.right
colNode = colNode.tag.link十字链表形式稀疏矩阵的调试与总代码
python
# 17-1稀疏矩阵的十字链链表实现
class Tag:
def __init__(self):
"""
十字链表数据标签初始化
"""
self.data = None
self.link = None
class Node:
def __init__(self):
"""
十字链表结点初始化
"""
self.row = 0
self.col = 0
self.right = None
self.down = None
self.tag = Tag()
class Mat(object):
def __init__(self, row, col):
"""
十字链表初始化
:param row: 行数
:param col: 列数
"""
self.row = row
self.col = col
self.maxSize = row if row > col else col
self.head = Node()
self.head.row = row
self.head.col = col
def create(self, datas):
"""
创建十字链表，使用列表进行初始化
:param datas: 二维列表数据
:return:
"""
# 定义头结点的指针列表
head = [Node() for i in range(self.maxSize)]
# 初始化头结点的指针列表
tail = self.head
for i in range(0, self.maxSize):
# 构建循环链表
head[i].right = head[i]
head[i].down = head[i]
tail.tag.link = head[i]
tail = head[i]
# 将指针重新指向矩阵头结点
tail.tag.link = self.head
# 循环，添加元素
for i in range(0, self.row):
for j in range(0, self.col):
# 判断列表中的元素是否为0
if (datas[i][j] != 0):
# 初始化新结点
newNode = Node()
newNode.row = i
newNode.col = j
newNode.tag.data = datas[i][j]
# 插入行链表
node = head[i]
while node.right != head[i] and node.right.col < j:
node = node.right
newNode.right = node.right
node.right = newNode
# 插入列链表
node = head[j]
while node.down != head[j] and node.down.row < i:
node = node.down
newNode.down = node.down
node.down = newNode
def display(self):
print(f"行={self.row}, 列 = {self.col}")
# 将列链的结点指向列中第一个结点
colNode = self.head.tag.link
# 循环列链
while colNode != self.head:
# 行链的结点指向行中第一个结点
rowNode = colNode.right
# 循环行链
while colNode != rowNode:
print(f"({rowNode.row + 1},{rowNode.col+1},{rowNode.tag.data})")
rowNode = rowNode.right
colNode = colNode.tag.link
if __name__ == '__main__':
print('PyCharm')
# 17-1：稀疏矩阵的十字链表
datas = [[1, 0, 8, 2], [0, 0, 1, 0], [0, 9, 0, 1]]
mat = Mat(3, 4)
mat.create(datas)
mat.display()- 运行结果
广义表的实现
- 特点
- 一种非线性数据结构
- 既可以存储线性表中的数据
- 也可以存储广义表自身结构
- 广义表的长度为表中元素个数，最外层圆括号包含的元素个数
- 广义表的深度为表中所含圆括号的重数
- 广义表可被其他广义表共享
- 可进行递归，深度无穷，长度有限
- 广义表链式存储结点结构图
- tag：又称标志位，表结点标志位为1，原子结点标志位为0.
- atom/lists：称存储单元，用于存储元素或指向子表结点.
- link：称指针域，用于指向下一个表结点.
存储结点初始化
python
class Node:
def __init__(self, tag, atom, lists, link):
"""
广义表结点的初始化
:param tag: 标志域
:param atom: 存储元素
:param lists: 指向子表结点
:param link: 下一个表结点
"""
self.tag = tag
self.atom = atom
self.lists = lists
self.link = link- 广义表链式存储示意图
- 以A,B,C,D,E五个广义表为例
A = ()
B = §
C = ((x, y, z), p)
D = (A, B, C)
E = (q, E)
- 广义表的分类
- 单元素表：如B
- 空表：如A
- 非空多元素广义表：如C、D
广义表初始化
python
class GList:
def __init__(self):
"""
广义表的初始化
"""
self.root = Node(1, None, None, None)广义表的创建
- 核心思想
- "("符号。遇到左圆括号，表明遇到一张表，申请一个结点空间，将tag设为1，再进行递归调用，将结点lists指针地址作为参数传入函数；
- ")"符号。遇到右圆括号，表明前面字符处理完成，将传入的参数指针lists指针或link指针地址设置为空;
- ","。遇到逗号，表明当前结点处理完成，顺延处理后继结点，传入link指针地址作为参数进行递归调用;
- 其他字符。表明为结点中存储数据，将tag设为0，件当前字符赋值给atom.
python
def create(self, datas):
"""
创建广义表
:param datas: 广义表数据
:return:
"""
# 移除所有空格
datas = datas.replace(" ", "")
# 获取数据长度
strlen = len(datas)
# 保存双亲结点
nodeStack = Stack(100)
self.root = Node(1, None, None, None)
tableNode = self.root
for i in range(strlen):
# 判断是否为子表的开始
if datas[i] == '(':
# 新子表结点
tmpNode = Node(1, None, None, None)
# 将双亲结点入栈，用于子表结束时获取
nodeStack.push(tableNode)
tableNode.lists = tmpNode
tableNode = tableNode.lists
# 判断是否为子表的结束
elif datas[i] == ')':
#子表结束，指针指向子表双亲结点
if tableNode == nodeStack.peak():
tableNode = Node(1, None, None, None)
tableNode = nodeStack.pop()
# 表节点
elif datas[i] == ',':
tableNode.link = Node(1, None, None, None)
tableNode = tableNode.link
# 原子结点
else:
tableNode.tag = 0
tableNode.atom = datas[i]输出广义表
- 核心思想
- 1.tag为0，表明表为单元素表，直接输出元素；
- 2.tag为1，输出左圆括号"("，判断lists;
- 若lists为None，表明为空表，输出右圆括号")";
- 若lists不为空，进行递归调用，将lists作为参数传入函数;
- 3.子表结点输出完成后，回归递归调用处，判断link;
- 若link为None，表明本层遍历结束，返回函数调用；
- 若link不为空，表明本层当前元素还有后继结点，输出一个","逗号，之后再进行递归调用，将link作为参数传入函数.
- 在进行遍历扫描之前，对表中所有的空格进行删除处理，避免干扰运行.
python
def display(self, node):
"""
展示广义表
:param node: 广义表的第一个结点
:return:
"""
if node.tag == 0:
print(node.atom, end="")
else:
print("(", end="")
if node.lists != None:
self.display(node.lists)
print(")", end="")
if node.link != None:
print(",", end="")
self.display(node.link)
if node == self.root:
print()广义表的深度
- 求解思路
- tag为0，返回深度0.
- tag为1，再根据lists判断表深度
- 表空，返回深度1.
- 表不为空，遍历每个元素，递归遍历子表元素.
python
def depth(self, node):
"""
递归返回，判断为原子结点时返回0
:param node: 广义表的第一个结点
:return:
"""
if node.tag == 0:
return 0
maxSize = 0
depth = -1
# 指向第一个子表
tableNode = node.lists
# 如果子表为空，则返回1
if tableNode == None:
return 1
# 循环
while tableNode != None:
if tableNode.tag == 1:
depth = self.depth(tableNode)
# maxSize为同一层所求的子表中深度最大值
if depth > maxSize:
maxSize = depth
tableNode = tableNode.link
return maxSize + 1广义表的长度
python
def length(self):
length = 0
# 指向广义表的第一个元素
node = self.root.lists
while node != None:
# 累加元素个数
length += 1
node = node.link
return length广义表的调试与总代码
python
# 18.广义表
class Node:
def __init__(self, tag, atom, lists, link):
"""
广义表结点的初始化
:param tag: 标志域
:param atom: 存储元素
:param lists: 指向子表结点
:param link: 下一个表结点
"""
self.tag = tag
self.atom = atom
self.lists = lists
self.link = link
class GList:
def __init__(self):
"""
广义表的初始化
"""
self.root = Node(1, None, None, None)
def create(self, datas):
"""
创建广义表
:param datas: 广义表数据
:return:
"""
# 移除所有空格
datas = datas.replace(" ", "")
# 获取数据长度
strlen = len(datas)
# 保存双亲结点
nodeStack = Stack(100)
self.root = Node(1, None, None, None)
tableNode = self.root
for i in range(strlen):
# 判断是否为子表的开始
if datas[i] == '(':
# 新子表结点
tmpNode = Node(1, None, None, None)
# 将双亲结点入栈，用于子表结束时获取
nodeStack.push(tableNode)
tableNode.lists = tmpNode
tableNode = tableNode.lists
# 判断是否为子表的结束
elif datas[i] == ')':
#子表结束，指针指向子表双亲结点
if tableNode == nodeStack.peak():
tableNode = Node(1, None, None, None)
tableNode = nodeStack.pop()
# 表节点
elif datas[i] == ',':
tableNode.link = Node(1, None, None, None)
tableNode = tableNode.link
# 原子结点
else:
tableNode.tag = 0
tableNode.atom = datas[i]
def display(self, node):
"""
展示广义表
:param node: 广义表的第一个结点
:return:
"""
if node.tag == 0:
print(node.atom, end="")
else:
print("(", end="")
if node.lists != None:
self.display(node.lists)
print(")", end="")
if node.link != None:
print(",", end="")
self.display(node.link)
if node == self.root:
print()
def depth(self, node):
"""
递归返回，判断为原子结点时返回0
:param node: 广义表的第一个结点
:return:
"""
if node.tag == 0:
return 0
maxSize = 0
depth = -1
# 指向第一个子表
tableNode = node.lists
# 如果子表为空，则返回1
if tableNode == None:
return 1
# 循环
while tableNode != None:
if tableNode.tag == 1:
depth = self.depth(tableNode)
# maxSize为同一层所求的子表中深度最大值
if depth > maxSize:
maxSize = depth
tableNode = tableNode.link
return maxSize + 1
def length(self):
length = 0
# 指向广义表的第一个元素
node = self.root.lists
while node != None:
# 累加元素个数
length += 1
node = node.link
return length
if __name__ == '__main__':
print('PyCharm')
# 18.广义表的实现
datas = "(a, b, (c, d), ((e, f), g))"
gList = GList()
gList.create(datas)
gList.display(gList.root)
print(f"广义表的长度:{gList.length()}")
print(f"广义表的深度:{gList.depth(gList.root)}")- 运行结果
