我有一个带有维度M的矩阵(m, n),我需要从带有维度(m, l)的矩阵L中向它添加新的列。基本上,我将得到一个矩阵(m, n + l)。
这样做没问题,我可以用:
按照以下方式,np.command(M, L)将返回给我一个新的矩阵。问题的产生是因为我需要在原始矩阵中附加许多矩阵,而这些矩阵L的大小事先是未知的。
所以我最后
# M is my original matrix
while:
# find out my L matrix
M = np.append(M, L)
# check if I do not need to append
我正在学习matlab,因为我有空闲时间。矩阵B是矩阵C长度的一半,我希望矩阵B第一列中的每一个值填充矩阵C第一列中的每一个其他值来实现这一点,我使用一个for循环。目前,我得到矩阵B列中最后一个数字填充的所有其他值。我需要更改什么?
Z=length(A);
X = length(B);
C = zeros(size(A);
for n = 1:2:Z
for m = 1:1:X
C(n,1) = B(m,1);
end
end
我必须生成一些数学运算的几次迭代,每次得到长度为100的向量。
在运行for循环之后,我希望将n次迭代的每个向量存储到一个list或data.frame中。
基本上,将我的结果(长度为100的向量)保存到要转换为矩阵或直接转换为矩阵的列表中。
例如:
for (i in 1:10){
r <- rnorm(100,0,1)
}
在每一次迭代中,r生成长度为100的向量。最终想要的输出是一个包含100行和10列的data.frame,每个列代表每个生成的迭代。
如何建立这样的矩阵或data.frame?
非常感谢
我想要得到一个"m“长度的向量,考虑到一个m x n矩阵,对于每一行,它给出了由另一列(比如”Z“列)标识的列上的值。我是使用for循环实现的:
for (i in 1:dim(data.frame)[1]){vector[i] <- data.frame[i,data.frame$Z[i]]}
你有没有看到一种更简单的方法来避免循环?
我正在尝试在C++中实现Glynn formula之后的矩阵永久化计算。 📷 我试着简要解释一下这个公式是如何工作的。假设我们有一个nxn矩阵。 | a b c |
| d e f |
| g h i | 为了用格林公式计算永久值,我应该尝试用一个矩阵执行“一种”矩阵乘积,这个矩阵是一个具有n/2行和n列的长度为2^n的真值表。 就像这样。假设有一个包含n = 3的矩阵。 | a b c | |+ + +|
| d e f | |+ - +|
| g h i | |+ + -|
|+ - -| 公式的发展。我必须得到: ∆(a + b + c)(d + e +
我有一个看起来像这样的data.frame:
value 1 | value 2 | value 3 | value 4
rock | pop | N/A | N/A
pop | hip hop | rap | blues
pop | punk | rock | funk
blues | punk | rap | N/A
我想创建一个基于值的唯一组合的矩阵,而不管它们在哪一列。根据上面的示例,第1行和第3行的值都是pop和rock的组合。每行的列数可能会有所不同,但也会随着时间的推移
我在一个列表中有100种元素。每个元素都是一个具有相同变量名的data.frame。如何折叠列表中的每个元素并连接data.frame
例如,我有一个包含元素k、l和m的lista,如何折叠每个元素k、l和m,并创建一个具有15行列a和b的新矩阵?
set.seed(1234)
k = data.frame(a=rnorm(5,10),b=rnorm(5,10))
l = data.frame(a=rnorm(5,3),b=rnorm(5,3))
m = data.frame(a=rnorm(5,15),b=rnorm(5,12))
lista <- list(k=k,l=l,m=m)
我正在实现一个高效的PageRank算法,所以我使用稀疏矩阵。我很接近,但有一个问题。我有一个矩阵,其中我希望每一列的和是一个。这很容易实现,但是当我得到一个带有零列的矩阵时,问题就会发生。
在这种情况下,我希望将列中的每个元素设置为1/(n-1),其中n是矩阵的维数。我除以n-1,而不是n,因为我希望始终保持对角线为零。
我如何有效地实现这一点?我的天真解决方案是确定每一列的和,然后找到为零的列索引,然后用1/(n-1)值替换整个列,如下所示:
# naive approach (too slow!)
# M is my nxn sparse matrix where each column