Manipulacja macierzami w Pythonie
W Pythonie macierz można zaimplementować jako listę 2D lub tablicę 2D. Tworzenie macierzy z tej ostatniej daje dodatkowe funkcjonalności umożliwiające wykonywanie różnych operacji na macierzy. Te operacje i tablica są zdefiniowane w module tępy .
Operacja na matrixie:
- 1. add() :- Ta funkcja służy do wykonywania elementarne dodawanie macierzy . 2. subtract() :- Ta funkcja służy do wykonywania elementarne odejmowanie macierzy . 3. dziel() :- Ta funkcja służy do wykonywania elementarny podział macierzy .
Realizacja:
Pyton
# 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))> |
Wyjście :
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. multiply() :- Ta funkcja służy do wykonywania elementarne mnożenie macierzy . 5. dot() :- Ta funkcja służy do obliczania mnożenie macierzy, a nie mnożenie elementów .
Pyton
# 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))> |
Wyjście :
The element wise multiplication of matrix is : [[ 7 16] [36 50]] The product of matrices is : [[25 28] [73 82]]
- 6. sqrt() :- Ta funkcja służy do obliczania pierwiastek kwadratowy z każdego elementu matrycy. 7. suma(x,oś) :- Ta funkcja jest używana dodaj wszystkie elementy macierzy . Opcjonalny argument osi oblicza suma kolumn, jeśli oś wynosi 0 I suma wierszy, jeśli oś wynosi 1 . 8. T:- Ten argument jest używany transponować określoną matrycę.
Realizacja:
Pyton
# 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)> |
Wyjście :
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]]
Korzystanie z zagnieżdżonych pętli:
Zbliżać się:
- Zdefiniuj macierze A i B.
- Uzyskaj liczbę wierszy i kolumn macierzy za pomocą funkcji len().
- Zainicjuj macierze C, D i E zerami, używając zagnieżdżonych pętli lub rozumienia list.
- Do dodawania, odejmowania i dzielenia macierzy metodą elementarną używaj zagnieżdżonych pętli lub rozumienia list.
- Wydrukuj powstałe macierze C, D i 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)> |
Wyjście
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]]
Złożoność czasowa: O(n^2)
Złożoność przestrzenna: O(n^2)
