您的位置:

python稀疏数组的处理,python 数组过滤

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)