Java稀疏数组的应用

「爱情、让人受尽委屈。」 2023-09-25 21:58 100阅读 0赞

![在这里插入图片描述][5da67ee512f4415aaf0931a5d0607ad2.gif_pic_center]

#### 文章目录 ####

*   *  需求
     *  存储结构
     *  分析问题
     *  稀疏数组
     *  稀疏数组存储结构
     *  整体思路
     *  代码示例

### 需求 ###

编写一个五子棋程序，可以完成存盘退出和继续上局的功能。这时就会涉及到棋盘当前棋子状态数据的保存和读取

![在这里插入图片描述][14ffbc9325c7491087196ff949cc458d.png_pic_center]

黑色棋子为：1，白色棋子为：2，0表示没有棋子

### 存储结构 ###

**对应的存储结构：**

棋盘存储很简单，对应一个二位数组，实际存储的数据为：

![在这里插入图片描述][1a5a086e80f040ef833d594288ced5b5.png_pic_center]

### 分析问题 ###

因为二维数组的很多值默认是0，因此记录了很多没有意义的数据 =>所以采用**稀疏数组**

**处理流程：**  
1）棋盘 **二维数组 => (稀疏数组)** =>写入文件【存档功能】  
2）读取文件 =>稀疏数组 =>二维数组 => 棋盘 【接上局】

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 ###

稀疏数组 (Sparse array) ，所谓稀疏数组就是数组中大部分的内容值都未被使用（或都为零），在数组中仅有少部分的空间使用。 因此造成内存空间的浪费 ，为了节省内存空间，并且不影响数组中原有的内容值，我们可以采用一种压缩的方式来表示稀疏数组的内容。

### 稀疏数组存储结构 ###

**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）把具有不同值的元素的行列及值记录在一个小规模的数组中，从而缩小程序占用的空间

![在这里插入图片描述][86287ace3e2a4194b4e9ebbeb16e358e.png_pic_center]

### 整体思路 ###

**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

**稀疏数组转原始二维数组的思路：**  
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  
2、再读取稀疏数组后几行的数据，并赋值给 原始的二维数组

### 代码示例 ###

public static void main(String[] args) {
        
        int[][] chessArr1 = new int[15][15];
        chessArr1[2][2] = 1;
        chessArr1[3][3] = 2;
        chessArr1[3][4] = 2;
        chessArr1[4][4] = 1;
        System.out.println("原始的二维数组");
        for (int[] arr : chessArr1) {
        
            for (int item : arr) {
        
                System.out.printf("%d\t", item);
            }
            System.out.println();
        }
    
        //将二维数组转为稀疏数组
        //1.先遍历二维数组，得到非0数据的个数
        int sum = 0;
        for (int[] arr : chessArr1) {
        
            for (int item : arr) {
        
                if (item != 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] = 15;
        sparseArr[0][1] = 15;
        sparseArr[0][2] = sum;
    
        //3.遍历二维数组，将非0的值放入sparseArr
        //sparseIndex：记录是第几个非0的数据
        int sparseIndex = 1;
        for (int i = 0; i < chessArr1.length; i++) {
        
            for (int j = 0; j < chessArr1.length; j++) {
        
                if (chessArr1[i][j] != 0) {
        
                    sparseArr[sparseIndex][0] = i;
                    sparseArr[sparseIndex][1] = j;
                    sparseArr[sparseIndex][2] = chessArr1[i][j];
                    sparseIndex++;
                }
            }
        }
        System.out.println("输出稀疏数组");
        for (int[] sparse : sparseArr) {
        
            for (int item : sparse) {
        
                System.out.printf("%d\t", item);
            }
            System.out.println();
        }
        //将稀疏数组=》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
        int[][] chessArr2 = new int[sparseArr[0][0]][sparseArr[0][1]];
        //2.读取稀疏数组后几行的数据（从第二行开始），并赋值给 原始的二维数组
        for (int i = 1; i < sparseArr.length; i++) {
        
            chessArr2[sparseArr[i][0]][sparseArr[i][1]] = sparseArr[i][2];
        }
        System.out.println("输出恢复后的二维数组");
        for (int[] arr : chessArr2) {
        
            for (int item : arr) {
        
                System.out.printf("%d\t", item);
            }
            System.out.println();
        }
    }

运行结果：

![在这里插入图片描述][0c6e65b5b29c4cbda9a8a88082b893c9.png_pic_center]

[5da67ee512f4415aaf0931a5d0607ad2.gif_pic_center]: https://img-blog.csdnimg.cn/5da67ee512f4415aaf0931a5d0607ad2.gif#pic_center
[14ffbc9325c7491087196ff949cc458d.png_pic_center]: https://img-blog.csdnimg.cn/14ffbc9325c7491087196ff949cc458d.png#pic_center
[1a5a086e80f040ef833d594288ced5b5.png_pic_center]: https://img-blog.csdnimg.cn/1a5a086e80f040ef833d594288ced5b5.png#pic_center
[86287ace3e2a4194b4e9ebbeb16e358e.png_pic_center]: https://img-blog.csdnimg.cn/86287ace3e2a4194b4e9ebbeb16e358e.png#pic_center
[0c6e65b5b29c4cbda9a8a88082b893c9.png_pic_center]: https://img-blog.csdnimg.cn/0c6e65b5b29c4cbda9a8a88082b893c9.png#pic_center