搜索
首页后端开发Python教程如何在Python中将矩阵转换为字典

如何在Python中将矩阵转换为字典

Aug 28, 2023 pm 10:29 PM
python转换矩阵转字典

如何在Python中将矩阵转换为字典

矩阵是通过排列行和列来形成一个数组来定义的。矩阵的值可以是字符或整数。有多种方法可以将矩阵转换为Python字典-字典推导、for循环、enumerate和zip()。

使用for循环和字典推导

该程序使用for循环,通过应用字典推导来迭代矩阵的长度。这有助于将矩阵转换为字典。

Example

的中文翻译为:

示例

在下面的示例中,我们将展示将矩阵的名称值转换为字典。矩阵中每个部分内的名称标记为"Name 1","Name 2"等,每个部分分别标记为"Section 1","Section 2"等。最后,它将结果将名称值矩阵转换为字典。

def matrix_to_dict(matrix):
   dictionary = {f"Section {i+1}": {f"Name {j+1}": matrix[i][j] for j in range(len(matrix[i]))} for i in range(len(matrix))}
   return dictionary
# Matrix input using List
matrix = [['Raghav', 'Sunil', 'Kiran', 'Rajendra'], ['Pritam', 'Rahul', 'Mehak', 'Suresh'], ['Tom', 'Peter', 'Mark', 'Jessy']]
result = matrix_to_dict(matrix)
print(result)

输出

{'Section 1': {'Name 1': 'Raghav', 'Name 2': 'Sunil', 'Name 3': 'Kiran', 'Name 4': 'Rajendra'}, 
'Section 2': {'Name 1': 'Pritam', 'Name 2': 'Rahul', 'Name 3': 'Mehak', 'Name 4': 'Suresh'}, 
'Section 3': {'Name 1': 'Tom', 'Name 2': 'Peter', 'Name 3': 'Mark', 'Name 4': 'Jessy'}}

使用嵌套 for 循环

该程序使用嵌套的for循环,迭代行和列的长度,并以字典数据的形式返回结果(将行设置为键,列设置为值)。

Example

的中文翻译为:

示例

在下面的示例中,程序将矩阵转换为字典。它通过重复行和列来构建嵌套字典。每个矩阵分量都有一个类似“row,col”的标签,并连接到匹配的值。矩阵数据由字典表示为标记的行和列。

def matrix_to_dict(matrix):
   dictionary = {}
   for i in range(len(matrix)):
      row_dict = {}
      for j in range(len(matrix[i])):
         row_dict[f"col {j+1}"] = matrix[i][j]
      dictionary[f"row {i+1}"] = row_dict
   return dictionary

# matrix input
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
result = matrix_to_dict(matrix)
print(result)

输出

{'row 1': {'col 1': 1, 'col 2': 2, 'col 3': 3}, 
'row 2': {'col 1': 4, 'col 2': 5, 'col 3': 6}, 
'row 3': {'col 1': 7, 'col 2': 8, 'col 3': 9}}

使用枚举和字典理解

程序使用枚举来跟踪循环中的迭代次数并访问该循环的元素。接下来,使用字典理解来设置矩阵的结果格式。

Example

的中文翻译为:

示例

在下面的示例中,通过一个递归函数来开始程序,该函数以调用自身而闻名。使用字典推导技术,通过使用内置方法enumerate()将其存储在变量dict中。然后返回变量dict以获得字典的新转换。现在创建表示矩阵的子列表,并将其存储在变量matrix中。然后使用接受名为matrix的参数的调用函数来传递其值,并将其存储在变量result中。最后,我们借助result打印输出。

def matrix_to_dict(matrix):
   dict = {f"row {i+1}": {f"column {j+1}": value for j, value in enumerate(row)} for i, row in enumerate(matrix)}
   return dict
# Input of Matrix
matrix = [[11, 12, 13], [40, 50, 60], [17, 18, 19],[80, 90, 100]]
# Pass the value of the matrix using the recursive function
result = matrix_to_dict(matrix)
print(result)

输出

{'row 1': {'column 1': 11, 'column 2': 12, 'column 3': 13}, 
'row 2': {'column 1': 40, 'column 2': 50, 'column 3': 60}, 
'row 3': {'column 1': 17, 'column 2': 18, 'column 3': 19}, 
'row 4': {'column 1': 80, 'column 2': 90, 'column 3': 100}}

使用 zip() 和字典理解

该程序使用zip()函数将嵌套字典设置为一个值,并通过使用字典推导式{}将数据设置在键中。

Example

的中文翻译为:

示例

在下面的示例中,我们将使用名为 matrix_to_dict fun 的递归函数,该函数接受具有列表值的名为 Matrix 的参数。然后它使用列表理解将其存储在变量键中。接下来,它在遍历矩阵中的每一行并将其存储在变量字典中之后,通过理解技术构造给定密钥对的字典。基于行索引,每行使用模式“SN 1”、“SN 2” 等创建一个键。

继续返回字典,它将计算矩阵到字典的转换。现在只需使用子列表创建矩阵并将其存储在变量矩阵中。然后使用调用函数传递变量矩阵并将其存储在变量result中。最后,我们在变量结果的帮助下打印输出。

def matrix_to_dict(matrix):
   keys = [f"Letter {j+1}" for j in range(len(matrix[0]))]
# Each key is generated using different dictionary comprehension
   dictionary = {f"SN {i+1}": {key: value for key, value in zip(keys, row)} for i, row in enumerate(matrix)}
   return dictionary
# Take input as a character matrix using List
matrix = [['A', 'B', 'C'], ['P', 'Q', 'R'], ['X', 'Y', 'Z']]
result = matrix_to_dict(matrix)
print(result)

输出

{'SN 1': {'Letter 1': 'A', 'Letter 2': 'B', 'Letter 3': 'C'}, 
'SN 2': {'Letter 1': 'P', 'Letter 2': 'Q', 'Letter 3': 'R'}, 
'SN 3': {'Letter 1': 'X', 'Letter 2': 'Y', 'Letter 3': 'Z'}}

结论

我们讨论了将矩阵转换为字典的各种方法。所有上述输出都展示了使用整数和字符的不同字典表示。总之,这种转换可以更高效和灵活地表示数据。

以上是如何在Python中将矩阵转换为字典的详细内容。更多信息请关注PHP中文网其他相关文章!

声明
本文转载于:tutorialspoint。如有侵权,请联系admin@php.cn删除
Numpy数组与使用数组模块创建的数组有何不同?Numpy数组与使用数组模块创建的数组有何不同?Apr 24, 2025 pm 03:53 PM

numpyArraysareAreBetterFornumericalialoperations andmulti-demensionaldata,而learthearrayModuleSutableforbasic,内存效率段

Numpy数组的使用与使用Python中的数组模块阵列相比如何?Numpy数组的使用与使用Python中的数组模块阵列相比如何?Apr 24, 2025 pm 03:49 PM

numpyArraySareAreBetterForHeAvyNumericalComputing,而lelethearRayModulesiutable-usemoblemory-connerage-inderabledsswithSimpleDatateTypes.1)NumpyArsofferVerverVerverVerverVersAtility andPerformanceForlargedForlargedAtatasetSetsAtsAndAtasEndCompleXoper.2)

CTYPES模块与Python中的数组有何关系?CTYPES模块与Python中的数组有何关系?Apr 24, 2025 pm 03:45 PM

ctypesallowscreatingingangandmanipulatingc-stylarraysinpython.1)usectypestoInterfacewithClibrariesForperfermance.2)createc-stylec-stylec-stylarraysfornumericalcomputations.3)passarraystocfunctions foreforfunctionsforeffortions.however.however,However,HoweverofiousofmemoryManageManiverage,Pressiveo,Pressivero

在Python的上下文中定义'数组”和'列表”。在Python的上下文中定义'数组”和'列表”。Apr 24, 2025 pm 03:41 PM

Inpython,一个“列表” isaversatile,mutableSequencethatCanholdMixedDatateTypes,而“阵列” isamorememory-效率,均质sepersequeSequeSequeReDencErequiringElements.1)

Python列表是可变还是不变的?那Python阵列呢?Python列表是可变还是不变的?那Python阵列呢?Apr 24, 2025 pm 03:37 PM

pythonlistsandArraysareBothable.1)列表Sareflexibleandsupportereceneousdatabutarelessmory-Memory-Empefficity.2)ArraysareMoremoremoremoreMemoremorememorememorememoremorememogeneSdatabutlesserversEversementime,defteringcorcttypecrecttypececeDepeceDyusagetoagetoavoavoiDerrors。

Python vs. C:了解关键差异Python vs. C:了解关键差异Apr 21, 2025 am 12:18 AM

Python和C 各有优势,选择应基于项目需求。1)Python适合快速开发和数据处理,因其简洁语法和动态类型。2)C 适用于高性能和系统编程,因其静态类型和手动内存管理。

Python vs.C:您的项目选择哪种语言?Python vs.C:您的项目选择哪种语言?Apr 21, 2025 am 12:17 AM

选择Python还是C 取决于项目需求:1)如果需要快速开发、数据处理和原型设计,选择Python;2)如果需要高性能、低延迟和接近硬件的控制,选择C 。

达到python目标:每天2小时的力量达到python目标:每天2小时的力量Apr 20, 2025 am 12:21 AM

通过每天投入2小时的Python学习,可以有效提升编程技能。1.学习新知识:阅读文档或观看教程。2.实践:编写代码和完成练习。3.复习:巩固所学内容。4.项目实践:应用所学于实际项目中。这样的结构化学习计划能帮助你系统掌握Python并实现职业目标。

See all articles

热AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover

AI Clothes Remover

用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool

Undress AI Tool

免费脱衣服图片

Clothoff.io

Clothoff.io

AI脱衣机

Video Face Swap

Video Face Swap

使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热工具

EditPlus 中文破解版

EditPlus 中文破解版

体积小,语法高亮,不支持代码提示功能

记事本++7.3.1

记事本++7.3.1

好用且免费的代码编辑器

SublimeText3汉化版

SublimeText3汉化版

中文版,非常好用

Dreamweaver Mac版

Dreamweaver Mac版

视觉化网页开发工具

MinGW - 适用于 Windows 的极简 GNU

MinGW - 适用于 Windows 的极简 GNU

这个项目正在迁移到osdn.net/projects/mingw的过程中,你可以继续在那里关注我们。MinGW:GNU编译器集合(GCC)的本地Windows移植版本,可自由分发的导入库和用于构建本地Windows应用程序的头文件;包括对MSVC运行时的扩展,以支持C99功能。MinGW的所有软件都可以在64位Windows平台上运行。