本文目录一览:
关于python数组中的数组的处理
"""
思路:
STEP 1: 将每个子列表的第二数用列表保存起来 -- values
STEP 2: 将对应的数和其在原数组的相对应的位置下标用一个字典保存起来 --value_position
STEP 3: 将valuse进行排序
STEP 4: 再根据排序后的顺序去value_position 找对应的位置
STEP 5: 根据原位置拿到原来的数,再按顺序将他们放进一个新的列表
STEP 6: 转化成字符串并进行相对应的处理
"""
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(',',' ') #比较丑,应该有更简单的方法
a = [[1,2],[3,1],[4,0]]
print 'previous list :%s: '%a
print 'post list: %s: '%mySort(a)
python中稀疏矩阵的怎么用numpy处理
NumPy是一个关于矩阵运算的库,熟悉Matlab的都应该清楚,这个库就是让python能够进行矩阵话的操作,而不用去写循环操作。
下面对numpy中的操作进行总结。
numpy包含两种基本的数据类型:数组和矩阵。
数组(Arrays)
from numpy import * a1=array([1,1,1]) #定义一个数组 a2=array([2,2,2]) a1+a2 #对于元素相加array([3, 3, 3]) a1*2 #乘一个数array([2, 2, 2])## a1=array([1,2,3]) a1
array([1, 2, 3]) a1**3 #表示对数组中的每个数做平方array([ 1, 8, 27])##取值,注意的是它是以0为开始坐标,不matlab不同 a1[1]2##定义多维数组 a3=array([[1,2,3],[4,5,6]]) a3
array([[1, 2, 3],
[4, 5, 6]]) a3[0] #取出第一行的数据array([1, 2, 3]) a3[0,0] #第一行第一个数据1 a3[0][0] #也可用这种方式1##数组点乘,相当于matlab点乘操作 a1=array([1,2,3]) a2=array([4,5,6]) a1*a2
array([ 4, 10, 18])12345678910111213141516171819202122232425262728293031323334
Numpy有许多的创建数组的函数:
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 2x2 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
数组索引(Array indexing)
矩阵
矩阵的操作与Matlab语言有很多的相关性。
#创建矩阵
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个数据2 m[0][1] #注意不能像数组那样取值了
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#将Python的列表转换成NumPy的矩阵
list=[1,2,3]
mat(list)
matrix([[1, 2, 3]])
#矩阵相乘
m1=mat([1,2,3]) #1行3列
m2=mat([4,5,6])
m1*m2.T #注意左列与右行相等 m2.T为转置操作
matrix([[32]])
multiply(m1,m2) #执行点乘操作,要使用函数,特别注意
matrix([[ 4, 10, 18]])
#排序
m=mat([[2,5,1],[4,6,2]]) #创建2行3列矩阵
m
matrix([[2, 5, 1],
[4, 6, 2]])
m.sort() #对每一行进行排序
m
matrix([[1, 2, 5],
[2, 4, 6]])
m.shape #获得矩阵的行列数
(2, 3)
m.shape[0] #获得矩阵的行数2 m.shape[1] #获得矩阵的列数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个元素,注意左闭右开
matrix([[2]])
m[1,0:3]
matrix([[2, 4, 6]])
m[1,0:2]
matrix([[2, 4]])1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556
扩展矩阵函数tile()
例如,要计算[0,0,0]到一个多维矩阵中每个点的距离,则要将[0,0,0]进行扩展。
tile(inX, (i,j)) ;i是扩展个数,j是扩展长度
实例如下:
x=mat([0,0,0])
x
matrix([[0, 0, 0]])
tile(x,(3,1)) #即将x扩展3个,j=1,表示其列数不变
matrix([[0, 0, 0],
[0, 0, 0],
[0, 0, 0]])
tile(x,(2,2)) #x扩展2次,j=2,横向扩展
matrix([[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0]])1234567891011121314
python 对一个数组的处理,如题:
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)