[Swift]LeetCode311. 稀疏矩阵相乘 $ Sparse Matrix Multiplication
★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★
➤微信公众号:山青咏芝(shanqingyongzhi)
➤博客园地址:山青咏芝(https://www.cnblogs.com/strengthen/)
➤GitHub地址:https://github.com/strengthen/LeetCode
➤原文地址: https://www.cnblogs.com/strengthen/p/10706012.html
➤如果链接不是山青咏芝的博客园地址,则可能是爬取作者的文章。
➤原文已修改更新!强烈建议点击原文地址阅读!支持作者!支持原创!
★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★
Given two sparse matrices A and B, return the result of AB.
You may assume that A's column number is equal to B's row number.
Example:
A = [[ 1, 0, 0],[-1, 0, 3] ]B = [[ 7, 0, 0 ],[ 0, 0, 0 ],[ 0, 0, 1 ] ]| 1 0 0 | | 7 0 0 | | 7 0 0 | AB = | -1 0 3 | x | 0 0 0 | = | -7 0 3 || 0 0 1 |
给定两个稀疏矩阵A和B,返回AB的结果。
您可以假定A的列号等于B的行号。
例子:
A = [[ 1, 0, 0],[-1, 0, 3] ]B = [[ 7, 0, 0 ],[ 0, 0, 0 ],[ 0, 0, 1 ] ]| 1 0 0 | | 7 0 0 | | 7 0 0 | AB = | -1 0 3 | x | 0 0 0 | = | -7 0 3 || 0 0 1 |
Solution:
1 class Solution { 2 func multiply(_ A:inout [[Int]],_ B:inout [[Int]]) ->[[Int]] { 3 var res:[[Int]] = [[Int]](repeating:[Int](repeating:0,count:B[0].count),count:A.count) 4 for i in 0..<A.count 5 { 6 for k in 0..<A[0].count 7 { 8 if A[i][k] != 0 9 { 10 for j in 0..<B[0].count 11 { 12 if B[k][j] != 0 13 { 14 res[i][j] += A[i][k] * B[k][j] 15 } 16 } 17 } 18 } 19 } 20 return res 21 } 22 }
Solution:
1 class Solution { 2 func multiply(_ A:inout [[Int]],_ B:inout [[Int]]) ->[[Int]] { 3 var res:[[Int]] = [[Int]](repeating:[Int](repeating:0,count:B[0].count),count:A.count) 4 var v:[[(Int,Int)]] = [[(Int,Int)]](repeating:[(Int,Int)](),count:A.count) 5 for i in 0..<A.count 6 { 7 for k in 0..<A[i].count 8 { 9 if A[i][k] != 0 10 { 11 v[i].append((k, A[i][k])) 12 } 13 } 14 } 15 for i in 0..<A.count 16 { 17 for k in 0..<v[i].count 18 { 19 var col:Int = v[i][k].0 20 var val:Int = v[i][k].1 21 for j in 0..<B[0].count 22 { 23 res[i][j] += val * B[col][j] 24 } 25 } 26 } 27 return res 28 } 29 }
点击:Playground测试
1 var A:[[Int]] = [[ 1, 0, 0],[-1, 0, 3]] 2 var B:[[Int]] = [[ 7, 0, 0 ],[ 0, 0, 0 ],[ 0, 0, 1 ]] 3 let sol = Solution() 4 print(sol.multiply(&A,&B)) 5 //Print [[7, 0, 0], [-7, 0, 3]]
转载于:https://www.cnblogs.com/strengthen/p/10706012.html
[Swift]LeetCode311. 稀疏矩阵相乘 $ Sparse Matrix Multiplication相关推荐
- 311. Sparse Matrix Multiplication
题目: Given two sparse matrices A and B, return the result of AB. You may assume that A's column numbe ...
- matlab 稀疏矩阵(sparse matrix)
参数的设置:spparms() spparms('spumoni', 3);:Set sparse monitor flag to obtain diagnostic output 1. 创建稀疏矩阵 ...
- C++sparse matrix 稀疏矩阵的实现算法(附完整源码)
C++sparse matrix 稀疏矩阵的实现算法 C++sparse matrix 稀疏矩阵的实现算法完整源码(定义,实现,main函数测试) C++sparse matrix 稀疏矩阵的实现算法 ...
- C语言将CSR存储模式转为coo,将大型稀疏矩阵转换为COO时出错(Error converting large sparse matrix to COO)...
将大型稀疏矩阵转换为COO时出错(Error converting large sparse matrix to COO) 我遇到了下面的问题,试图浏览两个大的CSR矩阵: /usr/lib/pyth ...
- 稀疏矩阵的存储格式(Sparse Matrix Storage Formats)
稀疏矩阵的存储格式(Sparse Matrix Storage Formats) Sason@CSDN 对于很多元素为零的稀疏矩阵,仅存储非零元素可使矩阵操作效率更高.现有许多种稀疏矩阵的存储方式,但 ...
- HDU 4920 Matrix multiplication(矩阵相乘)
各种TEL,233啊.没想到是处理掉0的情况就能够过啊.一直以为会有极端数据.没想到居然是这种啊..在网上看到了一个AC的奇妙的代码,经典的矩阵乘法,仅仅只是把最内层的枚举,移到外面就过了啊...有点 ...
- 论文阅读笔记系列(一)SMAT: An Input Adaptive Auto-Tuner for Sparse Matrix-Vector Multiplication—————————————
前言 最近一直觉得自己只是在看书,看文献,但是没有尝试动手写一些总结,写一些笔记,导致看书的效率实在太低.因此想做一个论文笔记系列,把自己读的论文简单地总结一下.同时也借此将看过的文献分享给大家,如果 ...
- 论文阅读笔记系列(一)SMAT: An Input Adaptive Auto-Tuner for Sparse Matrix-Vector Multiplication
前言 最近一直觉得自己只是在看书,看文献,但是没有尝试动手写一些总结,写一些笔记,导致看书的效率实在太低.因此想做一个论文笔记系列,把自己读的论文简单地总结一下.同时也借此将看过的文献分享给大家,如果 ...
- Sparse Matrix, MUMPS
Intersystems Cache' = multidimensional Sparse Matrix, MUMPS http://intersystems.cn/cache/analysts/re ...
- CUDA Samples: matrix multiplication(C = A * B)
以下CUDA sample是分别用C++和CUDA实现的两矩阵相乘运算code即C= A*B,CUDA中包含了两种核函数的实现方法,第一种方法来自于CUDA Samples\v8.0\0_Simple ...
最新文章
- 拨测工具_您可以拨多少钱? 快速简单地介绍有用的工具。
- python参数估计_python简单实现最大似然估计scipy库的使用详解
- 如何解决:Android中 Error generating final archive: Debug Certificate expired on 10/09/18 16:30 的错误...
- C语言程序判断计算机的CPU大小端
- python pandas 数据库_Python中pandas函数操作数据库
- 922. 按奇偶排序数组 II
- LindDotNetCore~入门基础
- 拓扑排序算法C++实现
- word表格转图片线条不会缺失方法
- 源码编译Redis Desktop Manager参考
- 股票交易接口api的协议
- C语言(##)连接符号的简单使用
- ThinkPHP5.0+七牛云SDK文件上传
- EasyExcel之回填下拉框
- 小练习 用python实现最简单的人工智能
- 医院CRM管理中随访的重要性
- 用计算机算cos1,cos1等于多少怎么算
- SQL 创建数据库和表
- 蓝湖类似的软件_蓝湖收费后,还有什么替代品?
- 山寨版鸟巢体育馆图片网络曝光(组图)
热门文章
- python求解LeetCode题目,找出数组中的Majority element元素
- android 屏蔽焦点,android – 如何在视图失去焦点时屏蔽EditText中的文本.
- java并发编程(10)-- 线程池 底层原理
- kubernetes Container、Pod、Replicaset、Service、Deployment、Lable、Statefulset关系和区别
- asp.net电子影像相册_大连孕妈看过来 | 290元=孕中期四维排畸+孕妇写真+胎宝电子影集...
- python3语法学习第五天--函数(1)
- mysql里面手动关闭_MySQL 启动与关闭(手动与自动)
- springmvc注解详解
- SpringBoot 2.1.0 整合 WebSocket 通信
- Solr 4.10.3 后台管理页面介绍