python稀疏數組的處理,python 數組過濾

本文目錄一覽：

• 1、關於python數組中的數組的處理
• 2、python中稀疏矩陣的怎麼用numpy處理
• 3、python 對一個數組的處理，如題：

關於python數組中的數組的處理

“””

思路：

STEP 1: 將每個子列表的第二數用列表保存起來 — values

STEP 2: 將對應的數和其在原數組的相對應的位置下標用一個字典保存起來 –value_position

STEP 3: 將valuse進行排序

STEP 4: 再根據排序後的順序去value_position 找對應的位置

STEP 5: 根據原位置拿到原來的數，再按順序將他們放進一個新的列表

STEP 6: 轉化成字符串並進行相對應的處理

“””

def mySort(args):

value_position = {}

values = []

position = 0

for e in args:

values.append(e[1])

value_position[e[1]] = position

position+=1

values.sort()

#d = [ value_position.get(key) for key in values]

result = [ ”.join(str(args[p]))for p in [ value_position.get(key) for key in values]]

return ”.join(result).replace(‘[‘,’ ‘,).replace(‘]’,’,’).replace(‘,’,’ ‘) #比較丑,應該有更簡單的方法

a = [[1,2],[3,1],[4,0]]

print ‘previous list :%s: ‘%a

print ‘post list: %s: ‘%mySort(a)

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

python 對一個數組的處理，如題：

def split(array):

    group = []

    item = []

    for x in array:

        if x != 0:

            item.append(x)

        elif len(item)  0:

            group.append(item)

            item = []

    if len(item)  0:

        group.append(item)

    return group

array =[0,2,0,0,34,4,3,2,0,0,0,0,4,2,3,0,0]

split(array)