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!

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

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

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

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

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

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。

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 。

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。


热AI工具

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
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

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!

热门文章

热工具

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
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

Dreamweaver Mac版
视觉化网页开发工具

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。