当前位置: 首页 > article >正文

保姆级讲解 python之zip()方法实现矩阵行列转置

目录

  • 引入
  • 1.手动交换行列元素
  • 2.引入外部库
  • 进入正题
    • 使用列表推导式和zip()
    • 基本用法
    • 解压缩
    • 实现行列转置
  • 实战演练


引入


给你一个二维数组(矩阵),你怎么实现行列转置?
在Python中,实现矩阵行列转置有多种方法



1.手动交换行列元素


通过遍历矩阵的每个元素,并将其放置到新位置来实现转置。

示例实现:

# 定义一个矩阵
matrix = [[1, 2, 3], [4, 5, 6]]

# 获取矩阵的行数和列数
rows = len(matrix)
cols = len(matrix[0])

# 创建一个新的矩阵用于存放转置结果
transposed_matrix = [[0 for _ in range(rows)] for _ in range(cols)]

# 手动交换行列元素
for i in range(rows):
    for j in range(cols):
        transposed_matrix[j][i] = matrix[i][j]

print("原始矩阵:")
for row in matrix:
    print(row)
print("转置后的矩阵:")
for row in transposed_matrix:
    print(row)
'''
原始矩阵:
[1, 2, 3]
[4, 5, 6]
转置后的矩阵:
[1, 4]
[2, 5]
[3, 6]
'''


2.引入外部库


示例实现:

import numpy

# 定义一个矩阵
matrix = numpy.array([[1, 2, 3], [4, 5, 6]])

# 转置矩阵
transposed_matrix = matrix.T

print("原始矩阵:")
for row in matrix:
    print(row)
print("转置后的矩阵:")
for row in transposed_matrix:
    print(row)
'''
原始矩阵:
[1, 2, 3]
[4, 5, 6]
转置后的矩阵:
[1, 4]
[2, 5]
[3, 6]
'''

太方便了我就要这个
但是算法竞赛是不支持导入第三方库的,中道崩殂。
那这么办?该zip()登场了



进入正题


使用列表推导式和zip()


zip() 是 Python 内置的一个非常有用的功能,它用于将多个可迭代对象(如列表、元组等)组合在一起,然后返回一个由这些可迭代对象组成的元组的迭代器。
每次迭代时,zip() 会从每个可迭代对象中取出一个元素,并把这些元素组合成一个新的元组。


基本用法

假设你有两个列表 a 和 b,你可以使用 zip(a, b) 来将它们配对:

示例:

a = ['a', 'b', 'c']
b = [1, 2, 3]

zipped = zip(a, b)
print(list(zipped)) # 输出结果将会是:[('a', 1), ('b', 2), ('c', 3)]

解压缩

通过使用 * 操作符,可以解压之前用 zip() 组合的数据:

示例:

zipped = [('a', 1), ('b', 2), ('c', 3)]
a, b = zip(*zipped)

print(a)  # 输出: ('a', 'b', 'c')
print(b)  # 输出: (1, 2, 3)

实现行列转置


zip(*matrix) 会将 matrix 的每一列作为新的子列表,从而实现矩阵的转置。操作符在这里用于解包矩阵的行,使每一行都作为一个独立的参数传递给 zip() 函数。这样,zip() 就可以将这些行重新组合成列了。

示例:

# 定义一个矩阵
matrix = [[1, 2, 3], [4, 5, 6]]

# 使用 zip() 进行转置
transposed_matrix = [list(row) for row in zip(*matrix)]

print("原始矩阵:")
for row in matrix:
    print(row)
print("转置后的矩阵:")
for row in transposed_matrix:
    print(row)
'''
原始矩阵:
[1, 2, 3]
[4, 5, 6]
转置后的矩阵:
[1, 4]
[2, 5]
[3, 6]
'''


实战演练


C-翻之 https://ac.nowcoder.com/acm/contest/100671/C

在这里插入图片描述
在这里插入图片描述


这题思路同样非常关键,先来讲讲思路:

题目要求我们决定是否通过翻转某一行来最大化全为1的列数。
有点抽象,
干脆我们假设答案为多个:第 j 列 和若干其他符合条件的列
那么第 j 列肯定是全为1的列,其第 i 行必为1 ,没问题对吧
那么同时其它符合条件的列第 i 行也必为1
所以这些列可以说是同步变化的
又因为任意一行的翻转必然会影响其他列,故只有当两列的字符串完全相同时,才会同步变化
于是归纳为:符合条件的列为完全相同的列
所以就考虑由列组成的字符串中出现次数最多的为这个最大值,即ans
我们可以通过行列转置来得到这个列组成的字符串


思路清晰了,来写code吧

手动暴力转换发现超时

from collections import defaultdict
n, m = map(int, input().split())
a=[]
cnt=defaultdict(int)
for _ in range(n):
    a.append(input())

for j in range(m):
    s = ""
    for i in range(n):
        s+=a[i][j]
    cnt[s]+=1
print(max(cnt.values()))

在这里插入图片描述

又不支持导入第三方库,怎么办?
那只能用它了 通过zip()实现

附上题解code:

from collections import defaultdict

n, m = map(int, input().split())
a = [input() for _ in range(n)]
cnt = defaultdict(int)

transposed_a = [row for row in zip(*a)]
for row in transposed_a:
    cnt[row] += 1
print(max(cnt.values()))


不了解 默认字典defaultdict 可点此进入详细讲解


END
如果有更多问题或需要进一步的帮助,可以在评论区留言讨论哦!
如果喜欢的话,请给博主点个关注 谢谢


http://www.kler.cn/a/525512.html

相关文章:

  • python学opencv|读取图像(四十九)原理探究:使用cv2.bitwise()系列函数实现图像按位运算
  • 架构技能(六):软件设计(下)
  • 【Numpy核心编程攻略:Python数据处理、分析详解与科学计算】1.21 索引宗师:布尔索引的七重境界
  • 团体程序设计天梯赛-练习集——L1-025 正整数A+B
  • Ollama 运行从 ModelScope 下载的 GGUF 格式的模型
  • 区块链的数学基础:核心原理与应用解析
  • 【Leetcode 热题 100】32. 最长有效括号
  • 深入探讨:服务器如何响应前端请求及后端如何查看前端提交的数据
  • 大模型知识蒸馏技术(2)——蒸馏技术发展简史
  • vscode软件操作界面UI布局@各个功能区域划分及其名称称呼
  • 留学生scratch计算机haskell函数ocaml编程ruby语言prolog作业VB
  • Java实现.env文件读取敏感数据
  • Flutter 新春第一弹,Dart 宏功能推进暂停,后续专注定制数据处理支持
  • 【Numpy核心编程攻略:Python数据处理、分析详解与科学计算】1.26 统计圣殿:从描述统计到推断检验
  • 安卓(android)订餐菜单【Android移动开发基础案例教程(第2版)黑马程序员】
  • arkts bridge使用示例
  • [Python学习日记-80] 用 socket 实现文件传输功能(上传下载)
  • 设计模式 - 行为模式_Template Method Pattern模板方法模式在数据处理中的应用
  • C#方法作用
  • Java基础知识总结(二十八)--可变参数(...)、静态导入、枚举
  • JMeter插件 Arrivals Thread Group 源码解析:实现原理与性能测试中的应用
  • C24.【C++ Cont】结构体
  • springboot 简化 spring开发
  • 智能家居能源管理系统:Python与AI的完美结合
  • QT设置应用程序图标
  • LeetCode:56.合并区间