python對矩陣進行轉(zhuǎn)置的2種處理方法
方法一 :使用常規(guī)的思路
def transpose(M): # 初始化轉(zhuǎn)置后的矩陣 result = [] # 獲取轉(zhuǎn)置前的行和列 row, col = shape(M) # 先對列進行循環(huán) for i in range(col): # 外層循環(huán)的容器 item = [] # 在列循環(huán)的內(nèi)部進行行的循環(huán) for index in range(row): item.append(M[index][i]) result.append(item) return result
思路:矩陣的轉(zhuǎn)置就是從行變成列, 列變成行
- 先定義一個最終存放矩陣的容器
- 先對列進行循環(huán)i,并定義一個臨時數(shù)組用于存放數(shù)據(jù),在每次列的循環(huán)內(nèi)部,再次對行進行循環(huán)j,取第M[j][i]個元素存入一個臨時數(shù)組中
- 在每次列循環(huán)完畢,將臨時數(shù)組存入最終數(shù)組中
- 當列循環(huán)完畢, 最終數(shù)組就是矩陣的轉(zhuǎn)置
方法二:使用zip解包
def transpose(M): # 直接使用zip解包成轉(zhuǎn)置后的元組迭代器,再強轉(zhuǎn)成list存入最終的list中 return [list(row) for row in zip(*M)]
思路:
zip 解包后,返回一個將多個可迭代對象組合成一個元組序列的迭代器,正如:
my_zip = list(zip(['a', 'b', 'c'], [1, 2, 3])) print(my_zip) # [('a', 1), ('b', 2), ('c', 3)]
在每次循環(huán)中將元組強轉(zhuǎn)成list 并存入總list中
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
python 處理微信對賬單數(shù)據(jù)的實例代碼
本文通過實例代碼給大家介紹了python 處理微信對賬單數(shù)據(jù),代碼簡單易懂,非常不錯,具有一定的參考借鑒價值,需要的朋友可以參考下2019-07-07python實現(xiàn)自動網(wǎng)頁截圖并裁剪圖片
這篇文章主要為大家詳細介紹了python實現(xiàn)自動網(wǎng)頁截圖并裁剪圖片,具有一定的參考價值,感興趣的小伙伴們可以參考一下2018-07-07Python使用matplotlib繪制多個圖形單獨顯示的方法示例
這篇文章主要介紹了Python使用matplotlib繪制多個圖形單獨顯示的方法,結(jié)合實例形式分析了matplotlib實現(xiàn)繪制多個圖形單獨顯示的具體操作技巧與注意事項,代碼備有較為詳盡的注釋便于理解,需要的朋友可以參考下2018-03-03python測試開發(fā)django之使用supervisord?后臺啟動celery?服務(worker/beat)
Supervisor是用Python開發(fā)的一個client/server服務,是Linux/Unix系統(tǒng)下的一個進程管理工具,不支持Windows系統(tǒng),這篇文章主要介紹了python測試開發(fā)django之使用supervisord?后臺啟動celery?服務(worker/beat),需要的朋友可以參考下2022-07-07詳解Python 實現(xiàn) ZeroMQ 的三種基本工作模式
ZMQ是一個簡單好用的傳輸層,像框架一樣的一個 socket library,他使得 Socket 編程更加簡單、簡潔和性能更高。 ,這篇文章主要介紹了Python 實現(xiàn) ZeroMQ 的三種基本工作模式,需要的朋友可以參考下2020-03-03淺談keras使用預訓練模型vgg16分類,損失和準確度不變
這篇文章主要介紹了淺談keras使用預訓練模型vgg16分類,損失和準確度不變,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編小編過來看看吧2020-07-07Python入門教程(四十一)Python的NumPy數(shù)組索引
這篇文章主要介紹了Python入門教程(四十一)Python的NumPy數(shù)組索引,數(shù)組索引是指使用方括號([])來索引數(shù)組值,numpy提供了比常規(guī)的python序列更多的索引工具,除了按整數(shù)和切片索引之外,數(shù)組可以由整數(shù)數(shù)組索引、布爾索引及花式索引,需要的朋友可以參考下2023-05-05