Python实现的矩阵转置与矩阵相乘运算示例
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
deftranspose(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 foriinrange(col): #外层循环的容器 item=[] #在列循环的内部进行行的循环 forindexinrange(row): item.append(M[index][i]) result.append(item) returnresult
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
deftranspose(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)forrowinzip(*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
defmatrixMultiply(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): raiseValueError #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)forrowinzip(*B)] #开始做乘积运算 forA_indexinrange(A_row): #用于记录新矩阵的每行元素 rowItem=[] forB_indexinrange(len(BT)): #num用于累加 num=0 forBrinrange(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) returnresult
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。