大家好，又见面了，我是你们的朋友全栈君。
矩阵转置
1、嵌套列表推导式
不会改变数据类型
matric = [[2, 2, 8],
[0, 4, 0]]
transpose = [[matric[j][i] for j in range(len(matric))] for i in range(len(matric[0]))]
print(transpose)
[[2, 0],
[2, 4],
[8, 0]]
2、numpy
数据类型可能改变
import numpy as np
ls_of_ls = [[1, 1], [2, 2]]
ndarray = np.transpose(ls_of_ls)
print(ndarray)
[[1 2]
[1 2]]
import numpy as np
ls_of_ls = [['a', 'b'], [3, 4]]
matrix = np.matrix(ls_of_ls)
print(matrix.T)
[[‘a’ ‘3’]
[‘b’ ‘4’]]
3、pandas
数据类型可能改变
import pandas as pd
ls_of_ls = [[2, 'a'], [4, 'b']]
df = pd.DataFrame(ls_of_ls, columns=['A', 'B'])
print(df)
df.info()
print()
print(df.T) # df.transpose()
df.T.info()
4、zip
转置后变为元组
ls = [[1, 2], ['a', 'b']]
print(list(zip(*ls)))
[(1, ‘a’),
(2, ‘b’)]
降维
列表推导式
ls = [[0, 1, 2], [3, 4, 5]]
print([j for i in ls for j in i])
[0, 1, 2, 3, 4, 5]
numpy
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.reshape(-1)) # 等价于：np.reshape(a, -1)
print()
print(a.reshape(-1, 1)) # 等价于：np.reshape(a, (-1, 1))
print()
print(a.reshape(3, 2)) # 等价于：np.reshape(a, (3, 2))
[1 2 3 4 5 6] [[1] [2] [3] [4] [5] [6]] [[1 2] [3 4] [5 6]]
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/136989.html原文链接：https://javaforall.net
