python矩阵置换函数 python转置矩阵函数

python矩阵转置怎么做？

def transpose(L):

发展壮大离不开广大客户长期以来的信赖与支持，我们将始终秉承“诚信为本、服务至上”的服务理念，坚持“二合一”的优良服务模式，真诚服务每家企业，认真做好每个细节，不断完善自我，成就企业，实现共赢。行业涉及成都混凝土搅拌罐车等，在网站建设公司、成都全网营销推广、WAP手机网站、VI设计、软件开发等项目上具有丰富的设计经验。

T = [list(tpl) for tpl in zip(*L)]

return T

python怎么实现矩阵的转置

需求:

你需要转置一个二维数组,将行列互换.

讨论:

你需要确保该数组的行列数都是相同的.比如:

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

列表递推式提供了一个简便的矩阵转置的方法:

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]]

另一个更快和高级一些的方法,可以使用zip函数:

print map(list,

zip(*arr))

本节提供了关于矩阵转置的两个方法,一个比较清晰简单,另一个比较快速但有些隐晦.

有时候,数据到来的时候使用错误的方式,比如,你使用微软的ADO接口访问数据库,由于Python和MS在语言实现上的差别.

Getrows方法在Python中可能返回的是列值,和方法的名称不同.本节给的出的方法就是这个问题常见的解决方案,一个更清晰,一个更快速.

在列表递推式版本中,内层递推式表示选则什么(行),外层递推式表示选择者(列).这个过程完成后就实现了转置.

在zip版本中,我们使用*arr语法将一维数组传递给zip做为参数,接着,zip返回一个元组做为结果.然后我们对每一个元组使用list方法,产生了列表的列表(即矩阵).因为我们没有直接将zip的结果表示为list,

所以我们可以我们可以使用itertools.izip来稍微的提高效率(因为izip并没有将数据在内存中组织为列表).

import itertools

print map(list,

itertools.izip(*arr))

但是,在特定的情况下,上面的方法对效率的微弱提升不能弥补对复杂度的增加.

关于*args和**kwds语法:

*args(实际上,*号后面跟着变量名)语法在Python中表示传递任意的位置变量,当你使用这个语法的时候(比如,你在定义函数时使用),Python将这个变量和一个元组绑定,并保留所有的位置信息,

而不是具体的变量.当你使用这个方法传递参数时,变量可以是任意的可迭代对象(其实可以是任何表达式,只要返回值是迭代器).

**kwds语法在Python中用于接收命名参数.当你用这个方式传递参数时,Python将变量和一个dict绑定,保留所有命名参数,而不是具体的变量值.当你传递参数时,变量必须是dict类型(或者是返回值为dict类型的表达式).

如果你要转置很大的数组,使用Numeric Python或其它第三方包,它们定义了很多方法,足够让你头晕的.

如何用 Python 科学计算中的矩阵替代循环

因为在Mathematica中使用循环确实是低效的。。。。。。

深层次的原因涉及到Mathematica的底层实现所以我不太懂，但是至少从下面几个例子可以看出Mathematica里确实有很多比循环更好的方法

求和

首先举一个最简单的求和例子，求的值。为了测试运行时间取n=10^6

一个刚接触Mathematica的同学多半会这样写

sum = 0;

For[i = 1, i = 10^6, i++,

sum += Sin[N@i]];

(*其中N@i的作用是把整数i转化为浮点数，类似于C里的double*)

sum

为了便于计时用Module封装一下，运行时间是2.13秒，如下图

然后一个有一定Mathematica经验的同学多半会知道同样作为循环的Do速度比For快，于是他可能会这么写

sum = 0;

Do[sum += Sin[N@i], {i, 1, 10^6}];

sum

如下图，用时1.37秒，比For快了不少

当然了知道Do速度比For快的同学不太可能不知道Sum函数，所以上面其实是我口胡的，他应该会这么写

Sum[Sin[N@i], {i, 1, 10^6}]

如下图，同样的结果，只用了不到0.06秒

如果这位同学还知道Listable属性并且电脑内存不算太小的话，他也可能会这么写

Tr@Sin[N@Range[10^6]]

如下图，只用了不到0.02秒，速度超过For循环的100倍

当然了这只是一个最简单的例子，而且如果数据量更大的话最后一种方法就不能用了。但是这也足以说明在求和时用循环是低效的，无论是内置的Sum函数还是向量化运算，在效率上都远远高于循环

（这部分模仿了不同程序员如何编写阶乘函数这篇文章，强烈推荐对Mathematica有兴趣的同学去看看）

迭代

接下来举一个迭代的例子，（即Logistic map），取，为了测试运行时间同样取n=10^6

还是先用For循环的做法

x = 0.5;

For[i = 1, i = 10^6, i++,

x = 3.5 x (1 - x);

];

如下图，运行时间2.06秒

（Do循环和For类似，篇幅所限这里就不写了，有兴趣的同学可以自行尝试）

然后看看内置的Nest函数

Nest[3.5 # (1 - #) , 0.5, 10^6]

如下图，用时0.02秒，又是将近两个数量级的效率差异

当然了Nest的使用涉及到纯函数，对于Mathematica初学者来说可能有些难以理解，而且一些比较复杂的迭代不太容易写成Nest的形式，但是在迭代时Nest（还包括Fold）的效率确实要好于循环

遍历列表

依然举一个简单的例子：求一个列表中偶数的个数。为测试生成10^6个1到10之间的随机整数

list = RandomInteger[{1, 10}, 10^6];

(*生成10^6个随机整数*)

如果用For循环的话代码是这样的

num = 0；

python 怎么实现矩阵运算

1.numpy的导入和使用

data1=mat(zeros((

)))

#创建一个3*3的零矩阵，矩阵这里zeros函数的参数是一个tuple类型(3,3)

data2=mat(ones((

)))

#创建一个2*4的1矩阵，默认是浮点型的数据，如果需要时int类型，可以使用dtype=int

data3=mat(random.rand(

))

#这里的random模块使用的是numpy中的random模块，random.rand(2,2)创建的是一个二维数组，需要将其转换成#matrix

data4=mat(random.randint(

,size=(

)))

#生成一个3*3的0-10之间的随机整数矩阵，如果需要指定下界则可以多加一个参数

data5=mat(random.randint(

,size=(

))

#产生一个2-8之间的随机整数矩阵

data6=mat(eye(

,dtype=

int

))

#产生一个2*2的对角矩阵

a1=[

]; a2=mat(diag(a1))

#生成一个对角线为1、2、3的对角矩阵

python怎么将数组转换为矩阵

python将数组转换为矩阵，方法如下：

数组转换矩阵：

A ＝ mat（s［］）

Python的定义：

Python是一种面向对象、直译式计算机程序设计语言，Python语法简捷而清晰，具有丰富和强大的类库。

它常被为胶水语言，它能够很轻松的把用其他语言制作的各种模块（尤其是C/C++）轻松地联结在一起。常见的一种应用情形是，使用python快速生成程序的原型（有时甚至是程序的最终界面），然后对其中有特别要求的部分，用更合适的语言改写。比如3D游戏中的图形渲染模块，速度要求非常高，就可以用C++重写。

文章名称：python矩阵置换函数 python转置矩阵函数
文章链接：http://6mz.cn/article/hhpgph.html