稀疏矩阵的csr存储方式及其基本运算
csr矩阵的多样化构建以及加法与乘法运算
csr矩阵是比三元组效率还要高的矩阵存储方式，但实际上我用vector库并不能很好的体现出这一点。在python中，csr矩阵经常作为基本单元运算。
具体csr矩阵的情况参见以下代码。
ps:没事少整花活……
/*
<1> 设计算法实现稀疏矩阵的运算应用。
要求：1）设计稀疏矩阵类；2）给出测试用例，实现n组稀疏矩阵的相加与相乘。
CSR最优存储。
*/
#include::iterator it = a.Offset.begin(); it != a.Offset.end(); it++) {
// cout << *it << endl;
//}
vector<int>::iterator it = this->Offset.begin();
vector<int>::iterator ite = it + 1;
while (ite != this->Offset.end() - 1){//3行
if (*it == *ite) {//有全零行。
s.Offset[cs] = s.Offset[cs - 1];
}
else {
int n3 = 0;//确定此行算完需要偏移的量。
for (int j = 0; j <= a.c; j++) {//3列，j代表a的列数。确定结果矩阵的列数。
int n1 = 0;//第n1个元素,用来运算得到n2的变量,同时也是得到a中ele索引的变量
int n2 = 1;//第n2行，确定this矩阵的对应列数的变量
int x = 0;//this元素
int y = 0;//a元素
int sum = 0;//s的最终元素
vector<int>::iterator itr = a.Offset.begin();
for (vector<int>::iterator its = a.Cloum.begin(); its != a.Cloum.end(); its++, n1++) {
if (*its == j) {//如果找到本列非零元。
y = a.Element[n1];
n2 = 0;
itr = a.Offset.begin();
while (*itr <= n1) {//确定行数
n2++;
itr++;
}
bool flag = false;
for (int i = *it; i < *ite; i++) {//找到对应this元素
if (this->Cloum[i] == n2 - 1) {
x = this->Element[i];
flag = true;
break;
}
}
if (flag) {//如果有对应元素。
sum += x * y;
flag = false;
}
}
}
if (sum != 0) {//如果该元素的确非零
s.Element.push_back(sum);
s.Cloum.push_back(j);
n3++;
}
}
s.Offset[cs] = s.Offset[cs - 1] + n3;
}
it = ite;
ite++;
cs++;
}
s.show();
return;
}
void operator=(sparse_martix a) {
this->r = a.r;
this->c = a.c;
copy(a.Cloum.begin(), a.Cloum.end(), this->Cloum.begin());
copy(a.Element.begin(), a.Element.end(), this->Element.begin());
copy(a.Offset.begin(), a.Offset.end(), this->Offset.begin());
return;
}
};
int main() {
string str, str1;
cout << "文件位置？" << endl;
cin >> str >> str1;
sparse_martix sm(str);
sparse_martix sm1(str1);
sm.multy(sm1);
return 0;
}
需要注意的是：我们当前的矩阵最主要的时间耗费浪费在对齐上。如果想要高效地计算，重要方向就是如何使矩阵对齐变得简洁起来。