要实现不浪费空间的数组存储，需根据数据特性选择合适的数据结构。以下是具体方法及示例：

一、动态数组（推荐）

动态数组可根据实际需求动态调整大小，避免固定大小数组造成的空间浪费。例如在处理不确定规模的数据时，使用 `ArrayList`（Java）或 `List`（C）等动态集合类。

示例（Java）：

```java

import java.util.ArrayList;

public class DynamicArrayExample {

public static void main(String[] args) {

ArrayList numbers = new ArrayList<>();

// 添加元素时自动扩容

numbers.add(1);

numbers.add(2);

numbers.add(3);

// 不需要预先定义大小

}

}

```

二、稀疏矩阵

对于大部分元素为默认值（如0或`null`）的矩阵，使用稀疏矩阵可大幅节省空间。稀疏矩阵仅存储非零元素及其位置。

示例（Python）：

```python

import numpy as np

创建一个3x3矩阵，大部分元素为0

matrix = np.zeros((3, 3), dtype=int)

matrix = 1

matrix = 2

matrix = 3

转换为稀疏矩阵

sparse_matrix = np.sparse.csr_matrix(matrix)

print(sparse_matrix)

```

三、其他优化技巧

数据类型选择：

使用 `Integer` 替代 `int` 可节省约一半存储空间（32位系统）；

压缩存储：

对于特定规律的数据（如对称矩阵），可手动实现压缩算法；

避免冗余：

删除不必要的数据或使用数据结构（如 `HashSet`）去重。

四、注意事项

动态数组在频繁扩容时可能影响性能，需权衡灵活性与效率；

稀疏矩阵适用于元素稀疏度较高的场景，否则可能因存储结构复杂度增加而反而不高效。

通过以上方法，可有效避免固定大小数组或全零矩阵带来的空间浪费问题。