python求矩陣的轉置

㈠ python實現矩陣轉置的方法分析

Python實現矩陣轉置的方法分析
本文實例講述了Python實現矩陣轉置的方法。分享給大家供大家參考，具體如下：
前幾天群里有同學提出了一個問題：手頭現在有個列表，列表裡面兩個元素，比如[1, 2]，之後不斷的添加新的列表，往原來相應位置添加。例如添加[3, 4]使原列表擴充為[[1, 3], [2, 4]]，再添加[5, 6]擴充為[[1, 3, 5], [2, 4, 6]]等等。
其實不動腦筋的話，用個二重循環很容易寫出來：
def trans(m):
a = [[] for i in m[0]]
for i in m:
for j in range(len(i)):
a[j].append(i[j])
return a
m = [[1, 2], [3, 4], [5, 6]] # 想像第一個列表是原始的，後面的是往裡添加的
print trans(m) # result:[[1, 3, 5], [ 2, 4, 6]]
然而不管怎麼看這種代碼都很醜。
仔細看了一下m這種結構。等等，這不是字典的iteritems()的結果么？如果dict(m)，那麼結果——不就是keys()和values()么？
於是利用字典轉換一下：
def trans(m):
d = dict(m)
return [d.keys(), d.values()]

可是再仔細想想，這裡面有bug。如果添加列表的第一個元素相同，也就是轉化之後dict的key相同，那肯定就不行了呀！況且，如果原始列表不是兩個，而是多個，肯定不能用字典的呀！於是這種方法作罷，還是好好看看列表的形狀。
然後又是一個不小心的發現：

這種轉置矩陣的即時感是怎麼回事？
沒錯，這個問題的本質就是求解轉置矩陣。於是就簡單了，還是用個不動腦筋的辦法：
def trans(m):
for i in range(len(m)):
for j in range(i):
m[i][j], m[j][i] = m[j][i], m[i][j]
return m
m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
print trans(m)

其實還是有點bug的，看起來是好用的，然而這個矩陣要求行列長度相同才行。
最後，群里某大神說：如果只是轉置矩陣的話，直接zip就好了。這才想起來zip的本質就是這樣的，取出列表中的對應位置的元素，組成新列表，正是這個題目要做的。
所以最終，這個題目（轉置矩陣）的python解法就相當奇妙了：
def trans(m):
return zip(*d)
沒錯，就這么簡單。python的魅力。

㈡ python 字元串如何變成矩陣進行矩陣轉置

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介面訪問資料庫,由於Python和MS在語言實現上的差別.

㈢ python里x=randn mat=x.T.dot 是求什麼

x=randn這個寫法是不對的。

randn是numpy里的一個生成隨機array的函數。

比如說要生成一個三行兩列的隨機array，可以這樣寫：

import numpy

x = numpy.random.randn(3,2)

像這樣：

dot(2)是點乘常數就不說了，

那個x.T.dot([1,2,3])就是x.T的

1*1+2*2+3*3=14

2*1+3*2+4*3=20

懂了木有 =。=

㈣ 可以用VC++寫嗎，python 語言我才剛學，看不明白

在python裡面求轉置矩陣很簡單:
# 導入相關的包
import numpy as np

# 初始化矩陣A
A = np.array([[1, 2, 4, 8, 4],
[18, 12, 42, 9, 45],
[17, 21, 36, 40, 5],
[6, 12, 16, 23, 7]])

# 調用numpy內置方法.T，即求轉置
A_T = A.T

㈤ 用python來解決問題

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

# 矩陣轉置
# 矩陣的列數
colomn = len(matrix[0])
# 轉置矩陣的行數，設置空矩陣[[], [], [], []]
transformMatrix = [[] for i in range(colomn)]
for ele in matrix:
for i in range(colomn):
# transformMatrix[i]標識新矩陣的第i行
# ele[i]標識原有矩陣的第i列
transformMatrix[i].append(ele[i])
print transformMatrix

㈥ python自帶及pandas、numpy數據結構(一)

1.python自帶數據結構：序列（如list）、映射（如字典）、集合（set）。
以下只介紹序列中的list：
創建list：
list1 = []
list1 = [1,2,3,4,5,6,7,8,9] #逗號隔開
list2 = [[1,2],[3,4],[5,6],[7,8]] #list2長度(len(list2))為2,list2[0] = [1,2]
liststring = list(「thisisalist」) #只用於創建字元串列表
索引list：
e = list1[0] #下標從零開始，用中括弧
分片list：
es = list1[0:3]
es = list1[0:9:2] #步長在第二個冒號後
list拼接（list1.append(obj)、加運算及乘運算）：

list長度：

list每個元素乘一個數值：
list2 = numpy.dot(list2,2)
list類似矩陣相乘（每個元素對應相乘取和）：
list3 = numpy.dot(list1,list1)
#要求相乘的兩個list長度相同
list3 = numpy.dot(list2,list22)
#要求numpy.shape(list2)和numpy.shape(list22)滿足「左行等於右列」的矩陣相乘條件，相乘結果numpy.shape(list3)滿足「左列右行」

2.numpy數據結構：

Array：
產生array：
data=np.array([[1, 9, 6], [2, 8, 5], [3, 7, 4]])
data=np.array(list1)
data1 = np.zeros(5) #data1.shape = (5,),5列
data1 = np.eye(5)
索引array:
datacut = data[0,2] #取第零行第二列，此處是6
切片array：
datacut = data[0:2,2] # array([6, 5])
array長度：
data.shape
data.size
np.shape(data)
np.size(data)
len(data)
array拼接：
#括弧內也有一個括弧（中括弧或者小括弧）！
d = np.concatenate((data,data))
d = np.concatenate((data,data),axis = 1) #對應行拼接
array加法：逐個相加
array乘法：
d = data data #逐個相乘
d = np.dot(data,data) #矩陣相乘
d = data 3 #每個元素乘3
d = np.dot(data,3) #每個元素乘3
array矩陣運算：
取逆 : np.linalg.inv(data)
轉置：data.T
所有元素求和 : np.sum(data)
生成隨機數：np.random.normal(loc=0, scale=10, size=None)
生成標准正態分布隨機數組：np.random.normal(size=(4,4))
生成二維隨機數組：
np.random.multivariate_normal([0,0],np.eye(2))
生成范圍在0到1之間的隨機矩陣(M,N)：
np.random.randint(0,2,(M,N))

Matrix:
創建matrix：
mat1 = np.mat([[1, 2, 3], [4, 5, 6]])
mat1 = np.mat(list)
mat1 = np.mat(data)
matrix是二維的，所有+，-，*都是矩陣操作。
matrix索引和分列：
mat1[0:2，1]
matrix轉置：
np.transpose(mat1)
mat1.transpose()
matrix拼接：
np.concatenate([mat1,mat1])
np.concatenate([mat1,mat1],axis = 1)

numpy數據結構總結：對於numpy中的數據結構的操作方法基本相同：
創建：np.mat(list),np.array(list)
矩陣乘：np.dot(x,y)
轉置：x.T or np.transpose(x)
拼接：np.concatenate([x,y],axis = 1)
索引：mat[0:1,4],ary[0:1,4]

3.pandas數據結構:
Series:
創建series：
s = pd.Series([[1,2,3],[4,5,6]],index = [『a』,『b』])
索引series：
s1 = s[『b』]
拼接series：
pd.concat([s1,s1],axis = 1) #也可使用s.append(s)

DataFrame:
創建DaraFrame:
df = pd.DataFrame([[1,2,3],[1,2,3]],index = ['a','b'],columns = ['x','y','z'])
df取某一列：
dfc1 =df.x
dfc1 = df[『x』]
dfc2 = df.iloc[:,0] #用.iloc方括弧里是數字而不是column名！
dfc2 = df.iloc[:,0:3]
df取某一行：
dfr1 = df.iloc[0]
df1 = df.iloc[0:2]
df1 = df[0:2] #這種方法只能用於取一個區間
df取某個值：
dfc2 = df.iloc[0,0]
dfc2 = df.iloc[0:2,0:3]

㈦ python中隨機生成10-99的整數，構成一個5×5的矩陣，顯示完整矩陣，並將矩陣轉置後顯示出來

使用numpy 簡單的很

importnumpyasnp
importrandom
before=np.array([[random.randint(10,99)foriinrange(5)]forjinrange(5)])
result=before.T
print(result)