个人中心
文章发布
退出
作者热门文章
- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时，我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
26
4
<分区>
这可能是重复的问题，但我仍然对此感到好奇。
我想在没有 numpy 的情况下用 Python 制作二维列表。所以我列了一个 list 。这是我的代码:
myList = [None] * 3
print('myList :', myList)
myMatrix = [myList] * 3
#myMatrix = [[None, None, None], [None, None, None], [None, None, None]]
print('myMatrix', myMatrix)
for i in range (0,3):
for j in range (0, 3):
myMatrix[i][j] = i+j
print('myMatrix[',i,'] : ', myMatrix[i])
print(myMatrix)
print(myMatrix[0])
print(myMatrix[1])
print(myMatrix[2])
我知道声明:
myMatrix = [myList] * 3
使代码无法按我的预期工作，这是因为列表是可变对象，这意味着 myMatrix[0]、myMatrix[1]、myMatrix[2] 将引用同一个对象。对其中任何一个的更改意味着对所有这些的更改，这不是我在代码中所期望的。这是我的代码的意外输出:
('myList :', [None, None, None])
('myMatrix', [[None, None, None], [None, None, None], [None, None, None]])
('myMatrix[', 0, '] : ', [0, 1, 2])
('myMatrix[', 1, '] : ', [1, 2, 3])
('myMatrix[', 2, '] : ', [2, 3, 4])
[[2, 3, 4], [2, 3, 4], [2, 3, 4]]
[2, 3, 4]
[2, 3, 4]
[2, 3, 4]
我找到的唯一解决方案是，我不应该声明 myMatrix = [myList] * 3，而是应该这样写:
myMatrix = [[None, None, None], [None, None, None], [None, None, None]]
这将使代码按照我预期的方式工作(程序的输出):
('myMatrix', [[None, None, None], [None, None, None], [None, None, None]])
('myMatrix[', 0, '] : ', [0, 1, 2])
('myMatrix[', 1, '] : ', [1, 2, 3])
('myMatrix[', 2, '] : ', [2, 3, 4])
[[0, 1, 2], [1, 2, 3], [2, 3, 4]]
[0, 1, 2]
[1, 2, 3]
[2, 3, 4]
但这不是定义 NxN 矩阵的有效方法，尤其是当 N 很大时。
Python 是否有使用列表的列表定义 NxN 矩阵的有效方法？
我比较熟悉C/C++，所以这个问题真的很困扰我。有些答案会推荐我使用 numpy，但此刻我想从头开始学习基本的 Python(不导入任何库)。当我使用 C/C++ 时，我可以轻松地使用这个二维数组，而无需导入任何库。当我刚接触 Python 时要求我使用 numpy，就像当我刚接触 C 时要求我使用 STL。
当然我以后会学习 numpy，但我想先在没有 numpy 的情况下解决这个问题。
26
4
0
作为脚本的输出，我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)？ 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现？ (正如 user2357112 所指出的，我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此，我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意，我仅限于 numpy，无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中，我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗？或者任何数字都可以吗？选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容，处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB，我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意，我仅限于 numpy，无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成，例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式，我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索，这与堆栈中之前的其他问题不同，因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同，但与 M1 任何其他行中的数组形状不同。 也就是说， M1 = [ [
如何使用爱因斯坦表示法编写以下点积？ import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以，我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000)，其中只有对角线填充了数据，而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组？ 到目前为止，我发现
我是一名优秀的程序员,十分优秀！