go数据结构与算法| 稀疏数组

文章目录

背景
场景
假代码实现
真代码实现

背景

玩了几十年了。该还的还是要还。懂的人自然懂，不懂的自然不懂。如果你与我一样浪费了几十年青春，欢迎和我一起努力并交流，什么是生活。
仅仅是敲代码，不分操作系统和环境之类的，这里就不提及了。

场景

棋盘的保存于恢复，纵横11路的棋盘，想象成二维数组。进行压缩保存。

假代码实现

声明稀疏结构体
创建棋盘原型数组
转换成稀疏数组（就是压缩数据）
1. 第一组数据是棋盘范围，也就是数组范围：11 11 0
2. 遍历原型数组，不是0的值就存起来。达到压缩效果
3. 将第一行的棋盘范围数据和原型数组非0（代码下了期，有了数据）的值存到一个变量存起来
写入文件
1. 先判断是否有这个文件
2. 如果有不再新建文件
3. 如果没有就创建并写入稀疏数组内容
读取文件
1. 打开文件
2. 通过缓存方式读取
3. 按行(\n)读取；此时一行内容读取出来只是一个string类型，是一个整体
4. 按照特定字符进行切割；将一行内容切割，得到每个元素
5. 按照顺序进行类型转换（string转成int）
6. 做一个变量判断
7. 如果为1时：使用for循环生成一个原型数组
8. 如果不为1时：将转换为int类型后的切片按照顺序赋值给二维数组（也就是原型数组，此时是第二次赋值）
还原成原始数组

真代码实现

package mainimport ("bufio""fmt""os""strconv""strings"
)type valNode struct {row intcol intval int
}func main() {// 1. 创建一个原始数组var chessMap [11][11]intchessMap[1][2] = 1 // 1代表黑子chessMap[2][3] = 2 // 2代表白字// 2.输出原始的数组for _, v := range chessMap {for _, v2 := range v {fmt.Printf("%d\t", v2)}fmt.Println()}// 3. 转换成稀疏数组。var sparseArr []valNode // 创建一个数组的切片// 思路// （0）. 完整的稀疏数组初始化数据应该是完整的数据范围。valNodeSice := valNode{row: 11,col: 11,val: 0,}sparseArr = append(sparseArr, valNodeSice) // 将第一个初始化数据范围写入数组切片。// fmt.Println("sparrseArr数组的内容是：",sparseArr)// （1）. 遍历 chessMap ，如果我们发现有一个元素的值不为0，创建一个node结构体for i, v := range chessMap {for j, v2 := range v {if v2 != 0 { // 如果值不是0才存起来。是0的话就不用存了。压缩的判断节点。//赋值给valNodeSice切片储存起来valNodeSice = valNode{row: i,col: j,val: v2,}// （2）. 将检查出来的值，存进变量（数组切片）。sparseArr = append(sparseArr, valNodeSice)}}}// 输出稀疏数组fmt.Println("当前的稀疏数组是::::::")for i, v := range sparseArr {fmt.Printf("%d: %d %d %d \n", i, v.row, v.col, v.val)}// 将这个稀疏数组，存盘 d:/chessmap.datawd(sparseArr)// 如何恢复原始的数组--------------------------------------------------------------// 2. 这里使用稀疏数组恢复readdata()
}func wd(sparseArr []valNode) {FileInfo, err := os.Stat("./chessMap.data") // 先判断一下文件是否存在了。if err == nil {fmt.Println("文件已经存在！", FileInfo.Name()) // 如果存在文件就不写了。} else { // 如果不存在就创建并写入数据data, err := os.OpenFile("./chessMap.data", os.O_RDWR|os.O_APPEND|os.O_CREATE, 0666)if err != nil {fmt.Println("打开文件出错!", err)}defer data.Close()for _, v := range sparseArr {str := strconv.Itoa(v.row) + " " + strconv.Itoa(v.col) + " " + strconv.Itoa(v.val) + "\n"data.WriteString(str)}}
}func readdata() {var arr [][]intvar index = 0// 1. 打开这个d:/chessmap.data这个文件， 恢复原始数组。data, err := os.Open("./chessMap.data")if err != nil {fmt.Println("打开该文件错误", err)}defer data.Close()dataRead := bufio.NewReader(data)for {line, err := dataRead.ReadString('\n')if err != nil {break}index++strSlice := strings.Fields(line)row, _ := strconv.Atoi(strSlice[0])col, _ := strconv.Atoi(strSlice[1])val, _ := strconv.Atoi(strSlice[2])if index == 1 {for i := 0; i < row; i++ {var arrTemp []intfor j := 0; j < col; j++ {arrTemp = append(arrTemp, val)}arr = append(arr, arrTemp)}}if index != 1 {arr[row][col] = val}}fmt.Println("从磁盘读取后的数据：")for _, v := range arr {for _, v2 := range v {fmt.Printf("%d\t", v2)}fmt.Println()}
}

go数据结构与算法| 稀疏数组相关推荐

数据结构与算法---稀疏数组
数据结构与算法-稀疏数组 1.基本介绍: 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. 2.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 ...
数据结构与算法————稀疏数组
引言数据压缩方面,我们往往可以通过稀疏数组来保存有效数据,节省存储空间. 一.稀疏数组的概念当一个数组中大部分元素是0,或为同一个值的时候,可以使用稀疏数组来保存数组. 它是一个十分有效的存储结构 ...
golang数据结构与算法——稀疏数组、队列和链表
文章目录一稀疏数组 1.1 先看一个实际的需求 1.2 稀疏数组基本介绍 1.3 稀疏数组举例说明 1.4 把数组转换为稀疏数组实现 1.5 把稀疏数组还原为原数组二队列 2.1 队列的介绍 ...
数据结构与算法 - 稀疏数组（理解+代码实现案例）
举例稀疏数组第一行是原数据几行几列和几个有效数据的个数下面的行是各个有效数组的行列与具体值稀疏数组实现代码实现 package DataStructures.sparsearray;/*** ...
（二）数据结构与算法-稀疏数组
先看一个实际的需求分析问题: 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 -> 稀疏数组稀疏sparsearray数组基本介绍当一个数组中大部分元素为0,或者为同一个 ...
JavaScript数据结构和算法简述——数组
为什么先讲数组数据结构可以简单的被分为线性结构和非线性结构. 线性结构大致包括: 数组(连续存储): 链表(离散存储): 栈(线性结构常见应用,由链表或数组增删和改进功能实现): 队列(线性结构常见 ...
JAVA描述算法和数据结构(01)：稀疏数组和二维数组转换
一.基本简介 1.基础概念在矩阵中,若数值为0的元素数目远远多于非0元素的数目,并且非0元素分布没有规律时,则称该矩阵为稀疏矩阵:与之相反,若非0元素数目占大多数时,则称该矩阵为稠密矩阵.定义非零元 ...
java 二维数据结构_JAVA描述算法和数据结构(01)：稀疏数组和二维数组转换
一.基本简介 1.基础概念在矩阵中,若数值为0的元素数目远远多于非0元素的数目,并且非0元素分布没有规律时,则称该矩阵为稀疏矩阵:与之相反,若非0元素数目占大多数时,则称该矩阵为稠密矩阵.定义非零元 ...
数据结构与算法--有序数组中找出和为s的两个数字
有序数组中找和为s的两个数字题目:输入一个递增排序的数组array, 和一个数字s, 在数组中找出两个数,使得这两个数的和是s,如果有多对,输出一对即可. 最简单方案双循环,每次获取一个数据,和数 ...

go数据结构与算法| 稀疏数组

文章目录

背景

场景

假代码实现

真代码实现

go数据结构与算法| 稀疏数组相关推荐

最新文章

热门文章