如何高效处理二维列表中的连续1计数与列方向求和

落强君_6196

落强君_6196

2026-11-19

646人浏览

原创

如何高效处理二维列表中的连续1计数与列方向求和

本文详解如何对二维列表(矩阵)分别执行两类关键操作:一是按行提取连续的1并分组计数;二是沿列方向统计每列中1的总数。提供可直接运行的python函数、清晰逻辑说明及实用注意事项。

本文详解如何对二维列表(矩阵)分别执行两类关键操作:一是按行提取连续的1并分组计数;二是沿列方向统计每列中1的总数。提供可直接运行的python函数、清晰逻辑说明及实用注意事项。

在数据预处理、图像二值分析或序列模式识别等场景中,常需对二维布尔型数组(如 0/1 矩阵)进行结构化统计。典型需求包括:按行识别连续的 1 段并记录其长度(例如 [0,1,0,1,0] → [1,1]),以及按列汇总每列中 1 的出现频次(即列向求和)。下面将用简洁、健壮的 Python 实现完成这两项任务。

✅ 任务一:按行提取连续 1 的长度列表

核心思路是逐行遍历,维护一个计数器 ones:遇到 1 则累加;遇到 0 且 ones > 0 时,将当前计数值追加到子结果中,并重置计数器;行末若仍有未提交的 ones,需额外追加一次。

def get_consecutive_ones(rows):
    """
    对二维列表的每一行,返回连续1的长度列表。
    示例输入: [[0,1,0,1,0], [1,1,1,1,1], [0,1,1,1,0]]
    示例输出: [[1, 1], [5], [3]]
    """
    result = []
    for row in rows:
        ones = 0
        sub_result = []
        for x in row:
            if x == 1:
                ones += 1
            else:
                if ones > 0:
                    sub_result.append(ones)
                    ones = 0
        if ones > 0:  # 行尾仍有连续1
            sub_result.append(ones)
        result.append(sub_result)
    return result

⚠️ 注意:该函数默认输入为非空二维列表,且每行元素均为 0 或 1。若存在非法值(如 None、2),建议前置校验或使用 assert all(x in (0, 1) for x in row) 增强鲁棒性。

✅ 任务二:按列统计 1 的总数(列向求和)

只需固定列索引 col_idx,遍历所有行,累加 matrix[row][col_idx] 即可。为确保列索引安全,应以首行长度为基准(假设矩阵为规则矩形):

def sum_column_ones(matrix, col_idx):
    """返回指定列中1的总数"""
    if not matrix or not matrix[0]:
        return 0
    return sum(1 for row in matrix if len(row) > col_idx and row[col_idx] == 1)

# 批量处理所有列
def column_wise_sum(matrix):
    """返回每列中1的总数列表,长度等于列数"""
    if not matrix or not matrix[0]:
        return []
    num_cols = len(matrix[0])
    return [sum_column_ones(matrix, j) for j in range(num_cols)]

结合使用示例:

L = [[0, 1, 0, 1, 0],
     [1, 1, 1, 1, 1],
     [0, 1, 1, 1, 0]]

print("连续1分组结果:", get_consecutive_ones(L))
# 输出: [[1, 1], [5], [3]]

col_sums = column_wise_sum(L)
for idx, s in enumerate(col_sums):
    print(f"第{idx}列中1的个数: {s}")
# 输出:
# 第0列中1的个数: 1
# 第1列中1的个数: 3
# 第2列中1的个数: 2
# 第3列中1的个数: 3
# 第4列中1的个数: 1

? 总结与扩展建议

  • 两个函数时间复杂度均为 O(m×n)(m 行,n 列),空间复杂度 O(m×n)(存储结果),属最优实现;
  • 若需更高性能(尤其大数据量),可考虑使用 NumPy 向量化操作:np.diff() 配合布尔索引快速定位连续段起点,np.sum(axis=0) 直接列求和;
  • 实际应用中,建议封装为类(如 BinaryMatrixAnalyzer),支持链式调用与配置选项(如是否忽略全零行、是否返回稀疏格式等)。

掌握这两种基础但高频的二维数组操作,将显著提升你在算法题、数据分析及CV预处理中的编码效率与代码可读性。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5564

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34017

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3987

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3987

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3103

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习