用python完成1.输入一个稀疏矩阵。 2、有效性判断。 3、稀疏数字占比是否低于稀疏比率判断。 4、打印稀疏矩阵和压缩后的结果

以下是用Python实现输入、有效性判断、稀疏比率判断、打印稀疏矩阵和压缩后结果的代码：

import numpy as np

def input_sparse_matrix():
    row, col = map(int, input("请输入稀疏矩阵的行列数，用空格分隔：").split())
    matrix = np.zeros((row, col))
    for i in range(row):
        row_data = input("请输入第{}行的数据，用空格分隔：".format(i+1)).split()
        for j in range(len(row_data)):
            matrix[i][j] = int(row_data[j])
    return matrix

def is_valid(matrix):
    for i in matrix:
        if len(i) != len(matrix[0]):
            return False
    return True

def calc_sparse_ratio(matrix):
    total = matrix.shape[0] * matrix.shape[1]
    sparse = np.count_nonzero(matrix)
    return sparse / total

def compress_matrix(matrix):
    compressed = []
    row = []
    col = []
    for i in range(matrix.shape[0]):
        for j in range(matrix.shape[1]):
            if matrix[i][j] != 0:
                compressed.append(matrix[i][j])
                row.append(i)
                col.append(j)
    return compressed, row, col

def print_sparse_matrix(matrix):
    print("稀疏矩阵：")
    for i in matrix:
        print(i)

def print_compressed_matrix(compressed, row, col):
    print("压缩结果：")
    print("Compressed:", compressed)
    print("Row:", row)
    print("Col:", col)

if __name__ == "__main__":
    matrix = input_sparse_matrix()
    if not is_valid(matrix):
        print("输入的矩阵不合法！")
    else:
        sparse_ratio = calc_sparse_ratio(matrix)
        print("稀疏比率为：", sparse_ratio)
        if sparse_ratio < 0.5:
            print("稀疏比率低于阈值，进行压缩：")
            compressed, row, col = compress_matrix(matrix)
            print_sparse_matrix(matrix)
            print_compressed_matrix(compressed, row, col)
        else:
            print("稀疏比率高于阈值，不进行压缩。")

这段代码首先通过`input_sparse_matrix()`函数获取用户输入的稀疏矩阵，然后通过`is_valid()`函数判断矩阵是否合法。接着，通过`calc_sparse_ratio()`函数计算稀疏比率，如果低于0.5，则进行压缩；否则不进行压缩。压缩的结果通过`compress_matrix()`函数得到，最后通过`print_sparse_matrix()`和`print_compressed_matrix()`函数打印出稀疏矩阵和压缩结果。