Python实现的矩阵转置与矩阵相乘运算示例

Python  /  管理员 发布于 7年前   340

本文实例讲述了Python实现的矩阵转置与矩阵相乘运算。分享给大家供大家参考，具体如下：

矩阵转置

方法一 ：使用常规的思路

def transpose(M):  # 初始化转置后的矩阵  result = []  # 获取转置前的行和列  row, col = shape(M)  # 先对列进行循环  for i in range(col):    # 外层循环的容器    item = []    # 在列循环的内部进行行的循环    for index in range(row):      item.append(M[index][i])    result.append(item)  return result

思路：矩阵的转置就是从行变成列, 列变成行

• 先定义一个最终存放矩阵的容器
• 先对列进行循环i，并定义一个临时数组用于存放数据，在每次列的循环内部，再次对行进行循环j，取第M[j][i]个元素存入一个临时数组中
• 在每次列循环完毕，将临时数组存入最终数组中
• 当列循环完毕, 最终数组就是矩阵的转置

方法二：使用zip解包

def transpose(M):  # 直接使用zip解包成转置后的元组迭代器，再强转成list存入最终的list中  return [list(row) for row in zip(*M)]

思路:

zip 解包后，返回一个将多个可迭代对象组合成一个元组序列的迭代器，正如：

my_zip = list(zip(['a', 'b', 'c'], [1, 2, 3]))print(my_zip) # [('a', 1), ('b', 2), ('c', 3)]

在每次循环中将元组强转成list 并存入总list中

矩阵相乘

def matrixMultiply(A, B):  # 获取A的行数和列数  A_row, A_col = shape(A)  # 获取B的行数和列数  B_row, B_col = shape(B)  # 不能运算情况的判断  if(A_col != B_row):    raise ValueError  # 最终的矩阵  result = []  # zip 解包后是转置后的元组，强转成list, 存入result中  BT = [list(row) for row in zip(*B)]  # 开始做乘积运算  for A_index in range(A_row):    # 用于记录新矩阵的每行元素    rowItem = []    for B_index in range(len(BT)):      # num 用于累加      num = 0      for Br in range(len(BT[B_index])):        num += A[A_index][Br] * BT[B_index][Br]      # 累加完成后，将数据存入新矩阵的行中      rowItem.append(num)    result.append(rowItem)  return result

说明： A矩阵与B矩阵的乘法运算，最终得到新的矩阵X ， 思路

• 首先判断是否可以相乘：前提条件是A的列与B的行要相同
• 我们可以画图理解：假如A是3行5列，B是5行2列，相乘结果是3行2列
• 将B转置后是2行5列，我们称之为BT, 这样 A 和 BT 都是5列了
• 则A的每行中的第 i 个元素 * BT每行中的第 i 个元素，相加构成新矩阵X的新行，循环A行，共3行，则新矩阵X就会逐步添加新行，待循环完毕，得到新矩阵X

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。