Manipolazione di matrici in Python
In Python Matrix può essere implementato come elenco 2D o array 2D. La matrice di formazione da quest'ultima fornisce funzionalità aggiuntive per eseguire varie operazioni nella matrice. Queste operazioni e l'array sono definiti nel modulo insensato .
Operazione su Matrix:
- 1. add(): - Questa funzione viene utilizzata per eseguire addizione di matrici basate sugli elementi . 2. sottrarre(): - Questa funzione viene utilizzata per eseguire sottrazione di matrice basata sugli elementi . 3. divide(): - Questa funzione viene utilizzata per eseguire divisione della matrice per elementi .
Implementazione:
Pitone
# Python code to demonstrate matrix operations> # add(), subtract() and divide()> > # importing numpy for matrix operations> import> numpy> > # initializing matrices> x> => numpy.array([[> 1> ,> 2> ], [> 4> ,> 5> ]])> y> => numpy.array([[> 7> ,> 8> ], [> 9> ,> 10> ]])> > # using add() to add matrices> print> (> 'The element wise addition of matrix is : '> )> print> (numpy.add(x,y))> > # using subtract() to subtract matrices> print> (> 'The element wise subtraction of matrix is : '> )> print> (numpy.subtract(x,y))> > # using divide() to divide matrices> print> (> 'The element wise division of matrix is : '> )> print> (numpy.divide(x,y))> |
Produzione :
The element wise addition of matrix is : [[ 8 10] [13 15]] The element wise subtraction of matrix is : [[-6 -6] [-5 -5]] The element wise division of matrix is : [[ 0.14285714 0.25 ] [ 0.44444444 0.5 ]]
- 4. moltiplicare(): - Questa funzione viene utilizzata per eseguire moltiplicazione di matrici per elemento . 5. dot(): - Questa funzione viene utilizzata per calcolare il moltiplicazione di matrici, piuttosto che moltiplicazione per elementi .
Pitone
# Python code to demonstrate matrix operations> # multiply() and dot()> > # importing numpy for matrix operations> import> numpy> > # initializing matrices> x> => numpy.array([[> 1> ,> 2> ], [> 4> ,> 5> ]])> y> => numpy.array([[> 7> ,> 8> ], [> 9> ,> 10> ]])> > # using multiply() to multiply matrices element wise> print> (> 'The element wise multiplication of matrix is : '> )> print> (numpy.multiply(x,y))> > # using dot() to multiply matrices> print> (> 'The product of matrices is : '> )> print> (numpy.dot(x,y))> |
Produzione :
The element wise multiplication of matrix is : [[ 7 16] [36 50]] The product of matrices is : [[25 28] [73 82]]
- 6. sqrt(): - Questa funzione viene utilizzata per calcolare il radice quadrata di ciascun elemento di matrice. 7. sum(x,axis): - Questa funzione viene utilizzata per aggiungi tutti gli elementi della matrice . L'argomento opzionale dell'asse calcola il somma delle colonne se l'asse è 0 E somma delle righe se l'asse è 1 . 8. T:- Questo argomento è usato per trasporre la matrice specificata.
Implementazione:
Pitone
# Python code to demonstrate matrix operations> # sqrt(), sum() and 'T'> > # importing numpy for matrix operations> import> numpy> > # initializing matrices> x> => numpy.array([[> 1> ,> 2> ], [> 4> ,> 5> ]])> y> => numpy.array([[> 7> ,> 8> ], [> 9> ,> 10> ]])> > # using sqrt() to print the square root of matrix> print> (> 'The element wise square root is : '> )> print> (numpy.sqrt(x))> > # using sum() to print summation of all elements of matrix> print> (> 'The summation of all matrix element is : '> )> print> (numpy.> sum> (y))> > # using sum(axis=0) to print summation of all columns of matrix> print> (> 'The column wise summation of all matrix is : '> )> print> (numpy.> sum> (y,axis> => 0> ))> > # using sum(axis=1) to print summation of all columns of matrix> print> (> 'The row wise summation of all matrix is : '> )> print> (numpy.> sum> (y,axis> => 1> ))> > # using 'T' to transpose the matrix> print> (> 'The transpose of given matrix is : '> )> print> (x.T)> |
Produzione :
The element wise square root is : [[ 1. 1.41421356] [ 2. 2.23606798]] The summation of all matrix element is : 34 The column wise summation of all matrix is : [16 18] The row wise summation of all matrix is : [15 19] The transpose of given matrix is : [[1 4] [2 5]]
Utilizzando cicli nidificati:
Approccio:
- Definire le matrici A e B.
- Ottieni il numero di righe e colonne delle matrici utilizzando la funzione len().
- Inizializza le matrici C, D ed E con zeri utilizzando cicli annidati o la comprensione delle liste.
- Utilizza cicli annidati o la comprensione delle liste per eseguire addizioni, sottrazioni e divisioni di matrici in base agli elementi.
- Stampa le matrici risultanti C, D ed E.
Python3
A> => [[> 1> ,> 2> ],[> 4> ,> 5> ]]> B> => [[> 7> ,> 8> ],[> 9> ,> 10> ]]> rows> => len> (A)> cols> => len> (A[> 0> ])> > # Element wise addition> C> => [[> 0> for> i> in> range> (cols)]> for> j> in> range> (rows)]> for> i> in> range> (rows):> > for> j> in> range> (cols):> > C[i][j]> => A[i][j]> +> B[i][j]> print> (> 'Addition of matrices:
'> , C)> > # Element wise subtraction> D> => [[> 0> for> i> in> range> (cols)]> for> j> in> range> (rows)]> for> i> in> range> (rows):> > for> j> in> range> (cols):> > D[i][j]> => A[i][j]> -> B[i][j]> print> (> 'Subtraction of matrices:
'> , D)> > # Element wise division> E> => [[> 0> for> i> in> range> (cols)]> for> j> in> range> (rows)]> for> i> in> range> (rows):> > for> j> in> range> (cols):> > E[i][j]> => A[i][j]> /> B[i][j]> print> (> 'Division of matrices:
'> , E)> |
Produzione
Addition of matrices: [[8, 10], [13, 15]] Subtraction of matrices: [[-6, -6], [-5, -5]] Division of matrices: [[0.14285714285714285, 0.25], [0.4444444444444444, 0.5]]
Complessità temporale: O(n^2)
Complessità spaziale: O(n^2)
