說明
有的時候,為了運算方便或資料儲存的空間問題,使用一維陣列會比二維或多維陣列來得方便,例如上三角矩陣、下三角矩陣或對角矩陣,使用一維陣列會比使用二維陣列來得節省空間。解法
以二維陣列轉一維陣列為例,索引值由0開始,在由二維陣列轉一維陣列時,我們有兩種方式:「以列(Row)為主」或「以行(Column)為主」。由於 C/C++、Java等的記憶體配置方式都是以列為主,所以您可能會比較熟悉前者(Fortran的記憶體配置方式是以行為主)。以列為主的二維陣列要轉為一維陣列時,是將二維陣列由上往下一列一列讀入一維陣列,此時索引的對應公式如下所示,其中row與column是二維陣列索引,loc表示對應的一維陣列索引:
loc = column + row*行數
以行為主的二維陣列要轉為一維陣列時,是將二維陣列由左往右一行一行讀入一維陣列,此時索引的對應公式如下所示:
loc = row + column*列數
公式的推導您畫圖看看就知道了,如果是三維陣列,則公式如下所示,其中i(個數u1)、j(個數u2)、k(個數u3)分別表示三維陣列的三個索引:
以列為主:loc = i*u2*u3 + j*u3 + k
以行為主:loc = k*u1*u2 + j*u1 + i
以行為主:loc = k*u1*u2 + j*u1 + i
更高維度的可以自行依此類推,但通常更高維度的建議使用其它資料結構(例如物件包裝)會比較具體,也不易搞錯。
在C/C++中若使用到指標時,會遇到指標運算與記憶體空間位址的處理問題,此時也是用到這邊的公式,不過必須在每一個項上乘上資料型態的記憶體大小。
實作:C Java Python Scala Ruby
#include <stdio.h>
#include <stdlib.h>
#define ROW 3
#define COLUMN 4
void toOneByRow(int[][], int[]);
void toOneByColumn(int[][], int[]);
int indexByRow(int, int);
int indexByColumn(int, int);
void toOne(int[][COLUMN], int[], int (*)(int, int));
int main(void) {
int arr1[ROW][COLUMN] = {{1, 2, 3, 4},
{5, 6, 7, 8},
{9, 10, 11, 12}};
int arr2[ROW * COLUMN] = {0};
printf("原二維資料:\n");
int row, column;
for(row = 0; row < 3; row++) {
for(column = 0; column < 4; column++) {
printf("%4d", arr1[row][column]);
}
printf("\n");
}
printf("\n以列為主:");
toOneByRow(arr1, arr2);
int i;
for(i = 0; i < 12; i++)
printf("%d ", arr2[i]);
printf("\n以行為主:");
toOneByColumn(arr1, arr2);
for(i = 0; i < 12; i++)
printf("%d ", arr2[i]);
printf("\n");
return 0;
}
void toOneByRow(int arr1[][COLUMN], int arr2[]) {
toOne(arr1, arr2, indexByRow);
}
void toOneByColumn(int arr1[][COLUMN], int arr2[]) {
toOne(arr1, arr2, indexByColumn);
}
int indexByRow(int row, int column) {
return column + row * COLUMN;
}
int indexByColumn(int row, int column) {
return row + column * ROW;
}
void toOne(int arr1[][COLUMN], int arr2[], int (*index)(int, int)) {
int row, column;
for(row = 0; row < ROW; row++) {
for(column = 0; column < COLUMN; column++) {
arr2[index(row, column)] = arr1[row][column];
}
}
}
public class Matrix {
public static int[] toOneByRow(final int[][] array) {
return toOne(array, new Index() {
public int get(int row, int column) {
return column + row * array[0].length;
}
});
}
public static int[] toOneByColumn(final int[][] array) {
return toOne(array, new Index() {
public int get(int row, int column) {
return row + column * array.length;
}
});
}
private static interface Index {
int get(int row, int column);
}
private static int[] toOne(int[][] array, Index index) {
int[] arr = new int[array.length * array[0].length];
for(int row = 0; row < array.length; row++) {
for(int column = 0; column < array[0].length; column++) {
arr[index.get(row, column)] = array[row][column];
}
}
return arr;
}
}
def toOneByRow(array):
return toOne(array, (lambda row, column: column + row * len(array[0])))
def toOneByColumn(array):
return toOne(array, (lambda row, column: row + column * len(array)))
def toOne(array, f):
arr = [0] * (len(array) * len(array[0]))
for row in range(len(array)):
for column in range(len(array[0])):
arr[f(row, column)] = array[row][column]
return arr
object Matrix {
def toOneByRow(array: Array[Array[Int]]) = {
toOne(array, _ * array(0).length + _)
}
def toOneByColumn(array: Array[Array[Int]]) = {
toOne(array, _ + _ * array.length)
}
private def toOne(array: Array[Array[Int]], f: (Int, Int) => Int) = {
val arr = new Array[Int](array.length * array(0).length)
for(row <- 0 until array.length; column <- 0 until array(0).length) {
arr(f(row, column)) = array(row)(column)
}
arr
}
}
def toOneByRow(array)
toOne(array) { |row, column| column + row * array[0].length }
end
def toOneByColumn(array)
toOne(array) { |row, column| row + column * array.length }
end
def toOne(array)
arr = Array.new(array.length * array[0].length, 0)
array.length.times { |row|
array[0].length.times { |column|
arr[yield(row, column)] = array[row][column]
}
}
arr
end