python列表实现矩阵行列转换

本文采用列表嵌套实现矩阵的行列转换。

第一种方法(此方法来源于https://docs.python.org/zh-cn/3/tutorial/datastructures.html#list-comprehensions

复制代码
matrix = [
    [1, 2, 3, 4],    [5, 6, 7, 8],    [9, 10, 11, 12],
]
print(
    [[row[i] for row in matrix] for i in range(4)]
)

第二种方法,使用for循环实现。

初始代码如下:

复制代码
matrix = [
    [1, 2, 3, 4],    [5, 6, 7, 8],    [9, 10, 11, 12],
]
# print(
#     [[row[i] for row in matrix] for i in range(4)]
# )
result = []
result_1 = []
for y in range(len(matrix[0])):
    for x in range(len(matrix)):
        result_1.append(matrix[x][y])
    result_1=list(result_1)
    print('result_1',result_1)
    print('len(result)',len(result))
    result.append(result_1)
    result_1[:]=[]
    print('result',result)

运行程序,发现第一层外循环结束后,result的元素不对(如下

复制代码
result_1 [1, 5, 9]
len(result) 0
result [[]]         #第一层外循环结束后的结果
result_1 [2, 6, 10]
len(result) 1
result [[2, 6, 10], []]
result_1 [3, 7, 11]
len(result) 2
result [[2, 6, 10], [3, 7, 11], []]
result_1 [4, 8, 12]
len(result) 3
result [[2, 6, 10], [3, 7, 11], [4, 8, 12], []]

然后将问题发给CHATGPT4-MINI,得到的结果如下:

按照提示,调整代码。调整滞后的代码如下:

复制代码
result = []
for y in range(len(matrix[0])):
    result_1 = []                  #代码修改点
    for x in range(len(matrix)):
        result_1.append(matrix[x][y])
    result_1=list(result_1)
    print('result_1',result_1)
    print('len(result)',len(result))
    result.append(result_1)
    # result_1[:]=[]              #代码修改点
    print('result',result)

运行结果

输出结果符合预期。

总结:多层循环的时候,一定要注意全局变量和局部变量的赋值、还原。

PS:GPT很强大,可以好好利用它帮助我们提高学习效率。

相关推荐
西西弗Sisyphus6 小时前
线性代数 - 解空间
线性代数·解空间
ChoSeitaku1 天前
线代强化NO19|矩阵的相似与相似对角化
python·线性代数·矩阵
ChoSeitaku1 天前
线代强化NO18|矩阵的相似与相似对角化|概念|性质|判定|矩阵相似
线性代数·矩阵
Hcoco_me1 天前
大模型面试题3:如何计算exp(A) ,其中A为一个矩阵。
线性代数·矩阵
做怪小疯子2 天前
LeetCode 热题 100——矩阵——旋转图像
算法·leetcode·矩阵
passxgx2 天前
11.1 高斯消元法的应用
线性代数·矩阵
在路上看风景3 天前
2.2 列空间和零空间
线性代数
前端小L3 天前
图论专题(十九):DAG上的“关键路径”——极限规划「并行课程 III」
算法·矩阵·深度优先·图论·宽度优先
艾莉丝努力练剑3 天前
【优选算法必刷100题】第031~32题(前缀和算法):连续数组、矩阵区域和
大数据·人工智能·线性代数·算法·矩阵·二维前缀和
Beginner x_u3 天前
线性代数 必背公式总结&&线代计算技巧总结_分块矩阵大总结_秩一矩阵大总结
线性代数·矩阵·特征值·特征向量·计算技巧