前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >20190524-矩阵算法,矩阵相加,矩

20190524-矩阵算法,矩阵相加,矩

作者头像
py3study
发布2020-01-17 11:37:26
5460
发布2020-01-17 11:37:26
举报
文章被收录于专栏:python3

1.二维矩阵的转置

代码语言:javascript
复制
arrA = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]
def turn(arr):
    if not arr:
        return []
    result = []
    for i in range(len(arr[0])):#原来的列变成行
        temp =[]
        for j in range(len(arr)):#原来的行变成列
            temp.append(arr[j][i])
        result.append(temp)
    return result
print(turn(arrA))

2.矩阵相加,A,B矩阵均需要为一个N*M的矩阵,即相加矩阵的行和列必须相等

代码语言:javascript
复制
def matrix_add(arrA,arrB):
    if not arrA and not arrB:
        return []
    if len(arrA)!=len(arrB)or len(arrA[0])!=len(arrA[0]):
        return 'Error'
    arrC = [[None]*len(arrA[0]) for row in range(len(arrA))]#首先定义结果矩阵
    for i in range(len(arrA)):
        for j in range(len(arrA[i])):
            arrC[i][j] = arrA[i][j] + arrB[i][j]
    return arrC
A = [[1,3,5,4],[7,9,1,3],[13,15,17,42]]
B = [[9,8,7,1],[6,5,4,2],[3,2,1,3]]
print(matrix_add(A,B))

3.矩阵相乘,A,B矩阵需要满足条件为A为m*n的矩阵,B为n*p的矩阵,结果C为m*p的矩阵

代码语言:javascript
复制
C11 = A11*B11+A12*B21+....+A1n*Bn1
C1P = A11*B1p+A12*B2p+...+A1n*Bnp
CMP = Am1*B1p+Am2*B2p+...+Amn*Bnp
arrA的第一个index等于C的第一个index,arrA的第二个index每次逐渐增加
arrB的第一个index每次逐渐增加,同时arrB的第二个index等于C的第二个index。因此,因为C是一个m*p的矩阵
arrA的第一个index= i
arrA的第二个index= k
arrB的第一个index= k
arrB的第二个index= j
代码语言:javascript
复制
A = [[1,3,5],[7,9,11],[13,15,17]]
B = [[9,8],[6,5],[3,2]]

def MatrixMultiply(arrA,arrB):
    if len(arrA[0])!=len(arrB):
        return False
    M = len(A)
    N = len(A[0])
    P = len(B[0])
    arrC = [[None] * P for row in range(M)]
    for i in range(len(arrA)):
        for j in range(len(arrB[0])):
            temp = 0
            for k in range(len(arrB)):
                #print(arrA[i][k],arrB[k][j],end =' ')
                temp = temp+int(arrA[i][k])*int(arrB[k][j])#实现C1P = A11*B1p+A12*B2p+...+A1n*Bnp
            arrC[i][j] = temp
    return arrC

print(MatrixMultiply(A,B))

4.编写函数利用三项式压缩稀疏矩阵 稀疏矩阵:一个矩阵的大部分元素为0,则是稀疏矩阵 三项式:非零项用(i,j,item-value)来表示,假定一个稀疏矩阵有n个非零项,则可以用一个A(0:N,1:3)的二维数组来存储这些非零项 A(0,1)存储稀疏矩阵的行数 A(0,2)存储稀疏矩阵的列数 A(0,3)存储稀疏矩阵的非零项 每个非零项用(i,j,item-value)来表示

代码语言:javascript
复制
def Sparse_Transfer2_Trinomial(sparse):
    trinomial = []
    print(trinomial)
    if not sparse:
        return trinomial
    non_zero = 0
    for i in range(len(sparse)):
        for j in range(len(sparse[i])):
            #print(sparse[i][j])
            if sparse[i][j]:#sparse[i][j]非0
                non_zero+=1
                trinomial.append([i,j,sparse[i][j]])
    trinomial.insert(0,[len(sparse),len(sparse[0]),non_zero])
    return trinomial
Sparse = [[15,0,0,22,0,-15],[0,11,3,0,0,0],[0,0,0,-6,0,0],[0,0,0,0,0,0,0],[91,0,0,0,0,0],[0,0,28,0,0,0]]
print(Sparse_Transfer2_Trinomial(Sparse))

 5.利用三项式转置稀疏矩阵

 先定义稀疏矩阵,将行列交换,其他的位置填充0

代码语言:javascript
复制
def Turn_Sparse(trinomial):
    sparse = [[0]*trinomial[0][1] for i in range(trinomial[0][0])]
    for each in trinomial[1:]:
        sparse[each[1]][each[0]] = each[2]
    return sparse
print(Turn_Sparse(Sparse_Transfer2_Trinomial(Sparse)))
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019/06/07 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
对象存储
对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档