Program Python: cari elemen maksimum setiap baris matriks

Dalam artikel ini, pengguna akan belajar cara mencipta program Python untuk mencari elemen terbesar setiap baris dalam matriks. Dalam strategi pertama, kami mengulangi setiap baris dan membandingkan elemen untuk menentukan nilai maksimum. Strategi ini memberikan pemahaman asas tentang alasan asas dan mudah digunakan. Kaedah kedua menggunakan modul NumPy, alat Python yang popular untuk pengkomputeran saintifik. Dengan memanfaatkan operasi tatasusunan NumPy yang cekap, kami boleh menentukan elemen terbesar bagi setiap baris dengan lebih cepat dan cekap.

Jom selami artikel ini

Pelbagai kaedah

• Memanfaatkan lelaran naif.

• Menggunakan perpustakaan NumPy.

Mari kita periksa dua kaedah ini -

Kaedah 1: Gunakan lelaran naif

Dalam kaedah ini, proses berulang yang mudah digunakan untuk menentukan elemen maksimum dalam setiap baris matriks. Kami memantau kebanyakan elemen yang ditemui setakat ini dalam pembolehubah yang dipanggil terbesar dengan berulang kali berulang melalui setiap baris dan membandingkan setiap elemen. Selepas melelaran setiap baris, kami menambah nilai maksimum pada senarai Maximum_elements. Kemudian, susun elemen terbesar setiap baris ke dalam senarai dengan mengulangi proses ini untuk setiap baris dalam matriks.

Algoritma

Langkah 1- Untuk menyimpan bilangan maksimum elemen setiap baris, mulakan senarai kosong Maximum_elements.

Langkah 2- Semak setiap baris matriks sekali lagi.

Langkah 3− Buat pembolehubah yang dipanggil maksimum dan mulakan ia untuk setiap baris untuk memegang elemen yang paling baru ditemui.

Langkah 4- Semak setiap elemen dalam baris semasa sekali lagi.

Langkah 5 − Bandingkan dengan maksimum_elemen untuk membandingkan elemen semasa. Jika elemen semasa lebih besar, maksimum dikemas kini.

Langkah 6 - Selepas melelakan setiap elemen dalam baris, tambahkan nilai maksimum pada senarai Maximum_elements.

Langkah 7 − Ulang langkah 3 hingga 6 untuk setiap baris.

Langkah 8- Kembalikan senarai elemen maksimum.

Contoh

#define function
def row_max_elements(matrix):
   maximum_elements = []
#iterate elements
   for row in matrix:
      maximum = float('-inf')
      for element in row:
         if element > maximum:
            maximum = element
      maximum_elements.append(maximum)
    
   return maximum_elements

# An instance usage
matrix = [
   [8, 2, 3],
   [4, 5, 0],
   [10, 8, 11]
]
#invoke function
maximum_elements = row_max_elements(matrix)
print(maximum_elements)

Output 2

[8, 5, 11]

Kaedah 2: Gunakan perpustakaan numpy.

Menggunakan perpustakaan NumPy yang berkuasa, yang menyediakan beberapa kaedah untuk operasi matematik dan berangka pada tatasusunan berbilang dimensi, ialah kaedah kedua.

Algoritma

Langkah-langkah untuk menjadikan imej latar belakang telus dalam Python adalah seperti berikut -

Langkah 1 − Import perpustakaan NumPy.

Langkah 2− Matriks boleh dimulakan terus dalam kod atau dibaca sebagai input.

Langkah 3- Cari elemen terbesar dalam setiap baris matriks menggunakan fungsi amax NumPy dan hujah paksi.

Langkah 4 − Kembalikan tatasusunan terakhir.

Contoh

#import the required module
import numpy as np
#define function
def find_max_elements(matrix):
   max_elements = np.amax(matrix, axis=1)
   return max_elements

# An instance is
matrix = np.array([
      [8, 2, 3],
   [4, 5, 0],
   [10, 8, 11]
])
max_elements = find_max_elements(matrix)
print(max_elements)

Output

[8, 5, 11]

Kesimpulan

Dalam artikel ini, kami melihat dua penyelesaian Python yang berbeza untuk masalah ini. Pendekatan asal menggunakan strategi lelaran kasar, secara berulang melalui setiap baris dan membandingkan setiap elemen untuk menentukan elemen mana yang terbesar. Kaedah kedua menggunakan fungsi amax dalam perpustakaan NumPy, yang mengambil kesempatan daripada keupayaan manipulasi tatasusunan NumPy untuk memberikan jawapan yang jelas dan cekap. Anda boleh memilih strategi yang paling sesuai dengan keperluan anda berdasarkan keperluan projek anda.

Atas ialah kandungan terperinci Program Python: cari elemen maksimum setiap baris matriks. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!