python列表稀疏,Python 稀疏矩陣

本文目錄一覽：

• 1、稠密矩陣怎麼轉成稀疏矩陣 python
• 2、python常見的三種列表排序算法分別是什麼？
• 3、python中稀疏矩陣的怎麼用numpy處理

稠密矩陣怎麼轉成稀疏矩陣 python

需求:

你需要轉置一個二維數組,將行列互換.

討論:

你需要確保該數組的行列數都是相同的.比如:

arr = [[1, 2, 3], [4, 5, 6], [7,8, 9], [10, 11, 12]]

列表遞推式提供了一個簡便的矩陣轉置的方法:

print [[r[col] for r in arr] for col in range(len(arr[0]))]

[[1, 4, 7, 10], [2, 5, 8, 11],[3, 6, 9, 12]]

另一個更快和高級一些的方法,可以使用zip函數:

print map(list,

zip(*arr))

本節提供了關於矩陣轉置的兩個方法,一個比較清晰簡單,另一個比較快速但有些隱晦.

有時候,數據到來的時候使用錯誤的方式,比如,你使用微軟的ADO接口訪問數據庫,由於Python和MS在語言實現上的差別.

Getrows方法在Python中可能返回的是列值,和方法的名稱不同.本節給的出的方法就是這個問題常見的解決方案,一個更清晰,一個更快速.

在列表遞推式版本中,內層遞推式表示選則什麼(行),外層遞推式表示選擇者(列).這個過程完成後就實現了轉置.

在zip版本中,我們使用*arr語法將一維數組傳遞給zip做為參數,接着,zip返回一個元組做為結果.然後我們對每一個元組使用list方法,產生了列表的列表(即矩陣).因為我們沒有直接將zip的結果表示為list,

所以我們可以我們可以使用itertools.izip來稍微的提高效率(因為izip並沒有將數據在內存中組織為列表).

import itertools

print map(list,

itertools.izip(*arr))

但是,在特定的情況下,上面的方法對效率的微弱提升不能彌補對複雜度的增加.

關於*args和**kwds語法:

*args(實際上,*號後面跟着變量名)語法在Python中表示傳遞任意的位置變量,當你使用這個語法的時候(比如,你在定義函數時使用),Python將這個變量和一個元組綁定,並保留所有的位置信息,

而不是具體的變量.當你使用這個方法傳遞參數時,變量可以是任意的可迭代對象(其實可以是任何表達式,只要返回值是迭代器).

**kwds語法在Python中用於接收命名參數.當你用這個方式傳遞參數時,Python將變量和一個dict綁定,保留所有命名參數,而不是具體的變量值.當你傳遞參數時,變量必須是dict類型(或者是返回值為dict類型的表達式).

如果你要轉置很大的數組,使用Numeric Python或其它第三方包,它們定義了很多方法,足夠讓你頭暈的.

相關說明:

zip(…)

zip(seq1 [,

seq2 […]]) – [(seq1[0], seq2[0] …),

(…)]

Return a

list of tuples, where each tuple contains the i-th element

from each of

the argument sequences. The returned list is truncated

in length to

the length of the shortest argument sequence.

如果解決了您的問題請採納！

如果未解決請繼續追問

python常見的三種列表排序算法分別是什麼？

排序是計算機程序設計中的一種重要操作，它的功能是將一個數據元素的任意序列，重新排列成一個關鍵字有序的序列。那麼python列表排序算法有哪些?本文主要為大家講述python中經常用的三種排序算法：冒泡排序、插入排序和選擇排序。

1、冒泡排序

冒泡排序，Bubble

Sort，是一種簡單的排序算法。它重複地遍歷要排序的數列，一次比較兩個元素，如果他們的順序錯誤就把他們交換過來。遍曆數列的工作是重複地進行直到沒有再需要交換，也就是說該數列已經排序完成。這個算法的名字由來是因為越小的元素會經由交換慢慢浮到數列的頂端。

2、插入排序

插入排序，Insertion

Sort，是一種簡單直觀的排序算法。它的工作原理是通過構建有序序列，對於未排序數據，在已排序序列中從後向前掃描，找到相應位置並插入。插入排序在實現上，在從後向前的掃描過程中，需要把已排序元素逐步向後挪位，為最新元素提供插入空間。

3、選擇排序

選擇排序，Selection

Sort，是一種簡單直觀的排序算法。它的工作原理如下：首先在未排序序列中找到最小、最大元素，存放到排序序列的起始位置，然後再從剩餘未排序元素中繼續尋找最小、最大元素。放到已排序序列的末尾。以此類推，直到所有元素均排序完畢。

python中稀疏矩陣的怎麼用numpy處理

NumPy是一個關於矩陣運算的庫，熟悉Matlab的都應該清楚，這個庫就是讓python能夠進行矩陣話的操作，而不用去寫循環操作。

下面對numpy中的操作進行總結。

numpy包含兩種基本的數據類型：數組和矩陣。

數組(Arrays)

from numpy import * a1=array([1,1,1]) #定義一個數組 a2=array([2,2,2]) a1+a2 #對於元素相加array([3, 3, 3]) a1*2 #乘一個數array([2, 2, 2])## a1=array([1,2,3]) a1

array([1, 2, 3]) a1**3 #表示對數組中的每個數做平方array([ 1, 8, 27])##取值，注意的是它是以0為開始坐標，不matlab不同 a1[1]2##定義多維數組 a3=array([[1,2,3],[4,5,6]]) a3

array([[1, 2, 3],

[4, 5, 6]]) a3[0] #取出第一行的數據array([1, 2, 3]) a3[0,0] #第一行第一個數據1 a3[0][0] #也可用這種方式1##數組點乘，相當於matlab點乘操作 a1=array([1,2,3]) a2=array([4,5,6]) a1*a2

array([ 4, 10, 18])12345678910111213141516171819202122232425262728293031323334

Numpy有許多的創建數組的函數：

import numpy as np

a = np.zeros((2,2)) # Create an array of all zerosprint a # Prints “[[ 0. 0.]

# [ 0. 0.]]”b = np.ones((1,2)) # Create an array of all onesprint b # Prints “[[ 1. 1.]]”c = np.full((2,2), 7) # Create a constant arrayprint c # Prints “[[ 7. 7.]

# [ 7. 7.]]”d = np.eye(2) # Create a 2×2 identity matrixprint d # Prints “[[ 1. 0.]

# [ 0. 1.]]”e = np.random.random((2,2)) # Create an array filled with random valuesprint e # Might print “[[ 0.91940167 0.08143941]

# [ 0.68744134 0.87236687]]”1234567891011121314151617181920

數組索引(Array indexing)

矩陣

矩陣的操作與Matlab語言有很多的相關性。

#創建矩陣

m=mat([1,2,3])

m

matrix([[1, 2, 3]])

#取值

m[0] #取一行

matrix([[1, 2, 3]])

m[0,1] #第一行，第2個數據2 m[0][1] #注意不能像數組那樣取值了

Traceback (most recent call last):

File “stdin”, line 1, in module

File “/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py”, line 305, in __getitem__

out = N.ndarray.__getitem__(self, index)

IndexError: index 1 is out of bounds for axis 0 with size 1#將Python的列錶轉換成NumPy的矩陣

list=[1,2,3]

mat(list)

matrix([[1, 2, 3]])

#矩陣相乘

m1=mat([1,2,3]) #1行3列

m2=mat([4,5,6])

m1*m2.T #注意左列與右行相等 m2.T為轉置操作

matrix([[32]])

multiply(m1,m2) #執行點乘操作，要使用函數，特別注意

matrix([[ 4, 10, 18]])

#排序

m=mat([[2,5,1],[4,6,2]]) #創建2行3列矩陣

m

matrix([[2, 5, 1],

[4, 6, 2]])

m.sort() #對每一行進行排序

m

matrix([[1, 2, 5],

[2, 4, 6]])

m.shape #獲得矩陣的行列數

(2, 3)

m.shape[0] #獲得矩陣的行數2 m.shape[1] #獲得矩陣的列數3#索引取值

m[1,:] #取得第一行的所有元素

matrix([[2, 4, 6]])

m[1,0:1] #第一行第0個元素，注意左閉右開

matrix([[2]])

m[1,0:3]

matrix([[2, 4, 6]])

m[1,0:2]

matrix([[2, 4]])1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556

擴展矩陣函數tile()

例如，要計算[0,0,0]到一個多維矩陣中每個點的距離，則要將[0,0,0]進行擴展。

tile(inX, (i,j)) ;i是擴展個數，j是擴展長度

實例如下：

x=mat([0,0,0])

x

matrix([[0, 0, 0]])

tile(x,(3,1)) #即將x擴展3個，j=1,表示其列數不變

matrix([[0, 0, 0],

[0, 0, 0],

[0, 0, 0]])

tile(x,(2,2)) #x擴展2次，j=2,橫向擴展

matrix([[0, 0, 0, 0, 0, 0],

[0, 0, 0, 0, 0, 0]])1234567891011121314