稀疏矩阵存储（10分） 题目内容： 稀疏矩阵是一系列数字，其中大部分项是0。存储稀疏矩阵的一个高效方式是字典，其中键是非0值的位置，值是序列中该位置对应的值。例如，序列0 0 0 0 0 4 0 0 2 9可以表示为字典{5:4,8:2,9:9}。编写函数sparseArraySum，参数是两个这样的字典a和b，得到一个表示向量和的稀疏矩阵。也就是说，结果中位置i的值是a和b中位置i上值的和。假设稀疏矩阵数字序列长度为10。 输入格式: 两个表示稀疏矩阵的数字序列，数字之间空格分隔，结尾无空格，回车换行输入下一个数字序列 输出格式： 一个表示稀疏矩阵求和结果的数字序列，数字之间空格分隔，结尾无空格 输入样例： 1 0 3 0 0 4 0 0 2 6 6 0 0 0 1 2 0 0 0 3 输出样例： 7 0 3 0 1 6 0 0 2 9 时间限制：500ms内存限制：32000kb

以下是Python代码实现：

def sparseArraySum(a, b):
    res = {}
    for k, v in a.items():
        res[k] = v + b.get(k, 0)
    for k, v in b.items():
        if k not in res:
            res[k] = v
    return res

a = list(map(int, input().split()))
b = list(map(int, input().split()))

a_dict = {i: a[i] for i in range(len(a)) if a[i] != 0}
b_dict = {i: b[i] for i in range(len(b)) if b[i] != 0}

res_dict = sparseArraySum(a_dict, b_dict)

res = [0] * 10
for k, v in res_dict.items():
    res[k] = v

print(' '.join(map(str, res)))

解释如下：

首先，我们通过 input() 函数获取两个稀疏矩阵的数字序列，并将其存储在变量 a 和 b 中。然后，我们使用列表推导式将 a 和 b 转换成字典，其中字典的键为非零值的位置，值为对应位置上的值。

接下来，我们将 a 和 b 的字典作为参数传递给函数 sparseArraySum，并将返回值存储在变量 res_dict 中。函数 sparseArraySum 是一个自定义函数，用于计算两个稀疏矩阵的向量和，并返回结果的字典表示。

最后，我们将 res_dict 转换为长度为 10 的数字序列 res，其中 res[i] 表示位置 i 上的值。如果 res_dict 中没有对应位置的值，则默认为 0。最后，我们使用 join() 函数将 res 中的元素转换为字符串，并输出结果。