20190524-矩阵算法,矩阵相加,矩阵相乘,矩阵转…

2019-05-24 06:12:40来源:博客园 阅读 ()

新老客户大回馈,云服务器低至5折

1.二维矩阵的转置

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

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

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
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

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

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)))

 


原文链接:https://www.cnblogs.com/hyj691001/p/10915873.html
如有疑问请与原作者联系

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:python面试题之介绍一下Python中webbrowser的用法

下一篇:[Python]有关pygame库中的flip和update的区别