c - 二维数组(C)中每一行和每一列的总和-6ren

c - 二维数组(C)中每一行和每一列的总和

转载作者：行者123 更新时间：2023-11-30 20:32:23

我想获取数组的每一行和每一列的总和，然后用C一张一张地打印出来。我完成了一半的工作，但无法继续进行下去。这是我的代码：

int n,m;
void sum_row_column(int array[n][m],int r,int c,int i,int j)
{
int sum_of_column1=0;
int sum_of_row1;

for(j=0,i=0;i<r;i++)
{
    sum_of_column1=sum_of_column1+array[i][j];
    if(i==r-1)
    {
        printf("\nSum of %d.column: %d\n",j+1,sum_of_column1);
        j=j+1;
    }
}

for(i=0,j=0;j<r;j++)
{
    sum_of_row1=sum_of_row1+array[i][j];
    if(j=c-1)
    {
        printf("\nSum of %d.row: %d\n",j+1,sum_of_row1);
        i=i+1;
    }
}

如您所见，它仅打印第一行的总和和列的总和。我以为如果加

i=0;

后

printf("\nSum of %d.column: %d\n",j+1,sum_of_column1);
j=j+1

行，它可以移动第二列并对其求和。但是当我添加

i=0;

程序进入无限循环，没有任何错误。
该代码位于头文件中，但在其余代码中请不要担心没有任何错误。

最佳答案

任务的建议代码

你有：

int n,m;
void sum_row_column(int array[n][m],int r,int c,int i,int j)
{

尽管可以编译，但是它的代码定义不明确，如果全局变量 n和 m设置不正确，则不必要地导致失败。不需要该级别的耦合，并且如果您确实使用该级别的耦合，则变量 r和 c是多余的。您应该使用：

void print_sum_rows_cols(int r, int c, int array[r][c])
{

这允许使用VLA（可变长度数组）符号将代码用于打印任何形状的矩阵。变量 n和 m应该是不必要的；参数 i和 j似乎也毫无意义，因为您忽略了传递给函数的值，并在循环开始时将它们都设置为 0。

汇总列很简单：

for (int col = 0; col < c; col++)
{
     int colsum = 0;
     for (int row = 0; row < r; row++)
         colsum += array[row][col];
     printf("Sum for col %d = %d\n", col, colsum);
}

对行求和也很简单：

for (int row = 0; row < r; row++)
{
     int rowsum = 0;
     for (int col = 0; col < c; col++)
         rowsum += array[row][col];
     printf("Sum for row %d = %d\n", row, rowsum);
}

组装MCVE（ Minimal, Complete, Verifiable Example）：

#include <stdio.h>

static void print_sum_rows_cols(int r, int c, int array[r][c])
{
    for (int col = 0; col < c; col++)
    {
        int colsum = 0;
        for (int row = 0; row < r; row++)
            colsum += array[row][col];
        printf("Sum for col %d = %d\n", col, colsum);
    }
    for (int row = 0; row < r; row++)
    {
        int rowsum = 0;
        for (int col = 0; col < c; col++)
            rowsum += array[row][col];
        printf("Sum for row %d = %d\n", row, rowsum);
    }
}

static void dump_matrix(const char *tag, int rows, int cols, int matrix[rows][cols])
{
    printf("%s (%dx%d):\n", tag, rows, cols);
    for (int r = 0; r < rows; r++)
    {
        for (int c = 0; c < cols; c++)
            printf("%3d", matrix[r][c]);
        putchar('\n');
    }
}

int main(void)
{
    int a1[3][4] =
    {
        { 68, 78, 50, 46, },
        { 64, 12, 47,  1, },
        { 86, 10, 84, 62, },
    };
    int a2[5][3] =
    {
        {  4, 30, 19, },
        { 79, 58, 20, },
        { 95, 12, 24, },
        { 20, 37, 72, },
        { 17,  0, 53, },
    };

    dump_matrix("A1", 3, 4, a1);
    print_sum_rows_cols(3, 4, a1);

    dump_matrix("A2", 5, 3, a2);
    print_sum_rows_cols(5, 3, a2);

    return 0;
}

（重命名的） print_sum_rows_cols()函数中的代码保留了问题的变量名，尽管它们不是我在自己的代码中使用的名称。（对于这些，请参阅“其他答案的分析”部分。）

并输出：

A1 (3x4):
 68 78 50 46
 64 12 47  1
 86 10 84 62
Sum for col 0 = 218
Sum for col 1 = 100
Sum for col 2 = 181
Sum for col 3 = 109
Sum for row 0 = 242
Sum for row 1 = 124
Sum for row 2 = 242
A2 (5x3):
  4 30 19
 79 58 20
 95 12 24
 20 37 72
 17  0 53
Sum for col 0 = 215
Sum for col 1 = 137
Sum for col 2 = 188
Sum for row 0 = 53
Sum for row 1 = 157
Sum for row 2 = 131
Sum for row 3 = 129
Sum for row 4 = 70

请注意，这会打印输入，以便可以对照输入手动检查输出。这是调试中的有用技术。

解构替代答案

在 answer（修订版1）中， Jozeph显示了据称有效的代码。当以正统格式缩进时，代码为：

int n;
int m;

void sum_row_column(int array[n][m], int r, int c, int i, int j)
{
    int sumOfColumn = 0;
    int sumOfRow = 0;
    printf("\n");
    for (i = 0; i < r; i++)
    {
        sumOfRow = 0;
        for (j = 0; j < c; j++)
        {
            sumOfRow += array[i][j];
        }
        printf("Sum of %d.row=%d\n", i + 1, sumOfRow);
    }
    printf("\n");
    for (j = 0; j < r; j++)
    {
        sumOfColumn = 0;
        for (i = 0; i < c; i++)
        {
            sumOfColumn += array[i][j];
        }
        printf("Sum of %d.column=%d\n", j + 1, sumOfColumn);
    }
}

此代码存在多个问题，其中一些已经确定，但在此处以略有不同的形式重复出现：

矩阵的大小由文件范围（全局）变量 n和 m中的值标识。
矩阵的大小也由参数 r和 c标识。
参数 i和 j中的值未使用；它们只是定义两个局部循环变量的一种特殊方式。
假设可以使用 assert(n == r && m == c);，则第一对嵌套循环（对行进行求和）就可以了。
假设有可能使用 assert(n == r && m == c && n == m):（方阵），第二对嵌套循环（将列求和）是可以的，但这主要是偶然的而不是设计。
但是，如果全局变量与参数不同步，则第一对嵌套循环中的计算是不正确的，因为循环使用的大小为 r x c，但是该函数假定数组的大小为 m x n。
同样，如果全局变量与参数不同步，或者矩阵不是正方形，则第二对嵌套循环中的计算不正确。它甚至不会为每一列产生一个“列总和”。

这是我原始答案的改编，其中包括建议的答案（如上所示），并添加了一些调试（只读）打印。它还包括我最初建议的功能的一个较小变体-变量被重命名以适合我的偏见（循环变量的简称，函数参数的较长的名称等），以及调试打印代码。该代码还会在列总和之前打印行总和，以匹配建议答案的顺序，并且它标识从行1，列1而不是行0，列0开始的行。

我的答案（ bogus_sum_rows_cols()）还有一个'假'变体，它使用 n和 m变量来调整数组的大小；当 n和 m与 r和 c不同步时，它将产生错误的答案。提议的答案（ bogus_sum_row_column()）还有一个'假'变体，如果 r和 c中的数组大小与 n和 m都匹配，则至少可以正确地对列求和。

/* SO 47719-9719 - Abuse of VLA definitions (and notations) */
#include <stdio.h>

static int debug = 0;

// Original answer (renamed variables, reordered results, and print row/col + 1)
static void print_sum_rows_cols(int rows, int cols, int array[rows][cols])
{
    for (int r = 0; r < rows; r++)
    {
        int rowsum = 0;
        for (int c = 0; c < cols; c++)
        {
            if (debug)
                printf("   a[%d][%d] = %d", r, c, array[r][c]);
            rowsum += array[r][c];
        }
        if (debug)
            putchar('\n');
        printf("Sum for row %d = %d\n", r + 1, rowsum);
    }
    putchar('\n');
    for (int c = 0; c < cols; c++)
    {
        int colsum = 0;
        for (int r = 0; r < rows; r++)
        {
            if (debug)
                printf("   a[%d][%d] = %d", r, c, array[r][c]);
            colsum += array[r][c];
        }
        if (debug)
            putchar('\n');
        printf("Sum for col %d = %d\n", c + 1, colsum);
    }
}

static int n;   // Rows
static int m;   // Columns

// Adapted print_sum_rows_cols with size from n, m
// Using n, m is unnecessary coupling (and can lead to erroneous results)
static void bogus_sum_rows_cols(int array[n][m], int rows, int cols)
{
    for (int r = 0; r < rows; r++)
    {
        int rowsum = 0;
        for (int c = 0; c < cols; c++)
        {
            if (debug)
                printf("   a[%d][%d] = %d", r, c, array[r][c]);
            rowsum += array[r][c];
        }
        if (debug)
            putchar('\n');
        printf("Sum for row %d = %d\n", r, rowsum);
    }
    putchar('\n');
    for (int c = 0; c < cols; c++)
    {
        int colsum = 0;
        for (int r = 0; r < rows; r++)
        {
            if (debug)
                printf("   a[%d][%d] = %d", r, c, array[r][c]);
            colsum += array[r][c];
        }
        if (debug)
            putchar('\n');
        printf("Sum for col %d = %d\n", c, colsum);
    }
}

// Original answer from OP - bogus results (debug printing added).
// Using n, m is unnecessary coupling (and can lead to erroneous results)
// Using i, j as arguments is bogus; the values passed in are ignored
// The 'sum column' loops are completely bogus.  The outer loop should
// iterate over columns [0..c) and the inner loop over rows [0..r).
// See print_sum_rows_cols() for the correct (minimal) interface.
static void sum_row_column(int array[n][m], int r, int c, int i, int j)
{
    int sumOfColumn = 0;
    int sumOfRow = 0;
    printf("\n");
    for (i = 0; i < r; i++)
    {
        sumOfRow = 0;
        for (j = 0; j < c; j++)
        {
            if (debug)
                printf("   a[%d][%d] = %d", i, j, array[i][j]);
            sumOfRow += array[i][j];
        }
        if (debug)
            putchar('\n');
        printf("Sum of %d.row=%d\n", i + 1, sumOfRow);
    }
    printf("\n");
    for (j = 0; j < r; j++)
    {
        sumOfColumn = 0;
        for (i = 0; i < c; i++)
        {
            if (debug)
                printf("   a[%d][%d] = %d", i, j, array[i][j]);
            sumOfColumn += array[i][j];
        }
        if (debug)
            putchar('\n');
        printf("Sum of %d.column=%d\n", j + 1, sumOfColumn);
    }
}

// Semi-fixed answer from OP - bogus results (debug printing added).
// Using n, m is unnecessary coupling (and can lead to erroneous results)
// Using i, j as arguments is bogus; the values passed in are ignored
// The 'sum column' loops are completely bogus.  The outer loop should
// iterate over columns [0..c) and the inner loop over rows [0..r).
// See print_sum_rows_cols() for the correct (minimal) interface.
static void bogus_sum_row_column(int array[n][m], int r, int c, int i, int j)
{
    int sumOfColumn = 0;
    int sumOfRow = 0;
    printf("\n");
    for (i = 0; i < r; i++)
    {
        sumOfRow = 0;
        for (j = 0; j < c; j++)
        {
            if (debug)
                printf("   a[%d][%d] = %d", i, j, array[i][j]);
            sumOfRow += array[i][j];
        }
        if (debug)
            putchar('\n');
        printf("Sum of %d.row=%d\n", i + 1, sumOfRow);
    }
    printf("\n");
    for (j = 0; j < c; j++)     // c, not r
    {
        sumOfColumn = 0;
        for (i = 0; i < r; i++) // r, not c
        {
            if (debug)
                printf("   a[%d][%d] = %d", i, j, array[i][j]);
            sumOfColumn += array[i][j];
        }
        if (debug)
            putchar('\n');
        printf("Sum of %d.column=%d\n", j + 1, sumOfColumn);
    }
}

static void dump_matrix(const char *tag, int rows, int cols, int matrix[rows][cols])
{
    printf("Matrix %s (%dx%d):\n", tag, rows, cols);
    for (int r = 0; r < rows; r++)
    {
        for (int c = 0; c < cols; c++)
            printf("%3d", matrix[r][c]);
        putchar('\n');
    }
}

static void test_sequence(int v_debug, int v_n, int v_m, const char *tag,
                          int rows, int cols, int matrix[rows][cols])
{
    debug = v_debug;
    n = v_n;
    m = v_m;
    dump_matrix(tag, rows, cols, matrix);
    printf("\nprint_sum_rows_cols():\n");
    print_sum_rows_cols(rows, cols, matrix);
    printf("\nbogus_sum_rows_cols() - (n = %d, m = %d):\n", n, m);
    bogus_sum_rows_cols(matrix, rows, cols);
    printf("\nsum_row_column()(n = %d, m = %d):\n", n, m);
    sum_row_column(matrix, rows, cols, -1, -1);
    printf("\nbogus_sum_row_column()(n = %d, m = %d):\n", n, m);
    bogus_sum_row_column(matrix, rows, cols, -1, -1);
    putchar('\n');
}

static void test_matrix_summation(const char *tag, int rows, int cols, int matrix[rows][cols])
{
    test_sequence(1,    2,    2, tag, rows, cols, matrix);
    test_sequence(0, rows, cols, tag, rows, cols, matrix);
}

int main(void)
{
    int a1[3][4] =
    {
        { 68, 78, 50, 46, },
        { 64, 12, 47,  1, },
        { 86, 10, 84, 62, },
    };
    int a2[5][3] =
    {
        {  4, 30, 19, },
        { 79, 58, 20, },
        { 95, 12, 24, },
        { 20, 37, 72, },
        { 17,  0, 53, },
    };
    int a3[3][3] =
    {
        { 96, 84, 13, },
        { 63, 29, 80, },
        { 97, 98, 48, },
    };

    test_matrix_summation("A1", 3, 4, a1);
    test_matrix_summation("A2", 5, 3, a2);
    test_matrix_summation("A3", 3, 3, a3);

    return 0;
}

所示代码的输出为：

Matrix A1 (3x4):
 68 78 50 46
 64 12 47  1
 86 10 84 62

print_sum_rows_cols():
   a[0][0] = 68   a[0][1] = 78   a[0][2] = 50   a[0][3] = 46
Sum for row 1 = 242
   a[1][0] = 64   a[1][1] = 12   a[1][2] = 47   a[1][3] = 1
Sum for row 2 = 124
   a[2][0] = 86   a[2][1] = 10   a[2][2] = 84   a[2][3] = 62
Sum for row 3 = 242

   a[0][0] = 68   a[1][0] = 64   a[2][0] = 86
Sum for col 1 = 218
   a[0][1] = 78   a[1][1] = 12   a[2][1] = 10
Sum for col 2 = 100
   a[0][2] = 50   a[1][2] = 47   a[2][2] = 84
Sum for col 3 = 181
   a[0][3] = 46   a[1][3] = 1   a[2][3] = 62
Sum for col 4 = 109

bogus_sum_rows_cols() - (n = 2, m = 2):
   a[0][0] = 68   a[0][1] = 78   a[0][2] = 50   a[0][3] = 46
Sum for row 0 = 242
   a[1][0] = 50   a[1][1] = 46   a[1][2] = 64   a[1][3] = 12
Sum for row 1 = 172
   a[2][0] = 64   a[2][1] = 12   a[2][2] = 47   a[2][3] = 1
Sum for row 2 = 124

   a[0][0] = 68   a[1][0] = 50   a[2][0] = 64
Sum for col 0 = 182
   a[0][1] = 78   a[1][1] = 46   a[2][1] = 12
Sum for col 1 = 136
   a[0][2] = 50   a[1][2] = 64   a[2][2] = 47
Sum for col 2 = 161
   a[0][3] = 46   a[1][3] = 12   a[2][3] = 1
Sum for col 3 = 59

sum_row_column()(n = 2, m = 2):

   a[0][0] = 68   a[0][1] = 78   a[0][2] = 50   a[0][3] = 46
Sum of 1.row=242
   a[1][0] = 50   a[1][1] = 46   a[1][2] = 64   a[1][3] = 12
Sum of 2.row=172
   a[2][0] = 64   a[2][1] = 12   a[2][2] = 47   a[2][3] = 1
Sum of 3.row=124

   a[0][0] = 68   a[1][0] = 50   a[2][0] = 64   a[3][0] = 47
Sum of 1.column=229
   a[0][1] = 78   a[1][1] = 46   a[2][1] = 12   a[3][1] = 1
Sum of 2.column=137
   a[0][2] = 50   a[1][2] = 64   a[2][2] = 47   a[3][2] = 86
Sum of 3.column=247

bogus_sum_row_column()(n = 2, m = 2):

   a[0][0] = 68   a[0][1] = 78   a[0][2] = 50   a[0][3] = 46
Sum of 1.row=242
   a[1][0] = 50   a[1][1] = 46   a[1][2] = 64   a[1][3] = 12
Sum of 2.row=172
   a[2][0] = 64   a[2][1] = 12   a[2][2] = 47   a[2][3] = 1
Sum of 3.row=124

   a[0][0] = 68   a[1][0] = 50   a[2][0] = 64
Sum of 1.column=182
   a[0][1] = 78   a[1][1] = 46   a[2][1] = 12
Sum of 2.column=136
   a[0][2] = 50   a[1][2] = 64   a[2][2] = 47
Sum of 3.column=161
   a[0][3] = 46   a[1][3] = 12   a[2][3] = 1
Sum of 4.column=59

Matrix A1 (3x4):
 68 78 50 46
 64 12 47  1
 86 10 84 62

print_sum_rows_cols():
Sum for row 1 = 242
Sum for row 2 = 124
Sum for row 3 = 242

Sum for col 1 = 218
Sum for col 2 = 100
Sum for col 3 = 181
Sum for col 4 = 109

bogus_sum_rows_cols() - (n = 3, m = 4):
Sum for row 0 = 242
Sum for row 1 = 124
Sum for row 2 = 242

Sum for col 0 = 218
Sum for col 1 = 100
Sum for col 2 = 181
Sum for col 3 = 109

sum_row_column()(n = 3, m = 4):

Sum of 1.row=242
Sum of 2.row=124
Sum of 3.row=242

Sum of 1.column=222
Sum of 2.column=130
Sum of 3.column=200

bogus_sum_row_column()(n = 3, m = 4):

Sum of 1.row=242
Sum of 2.row=124
Sum of 3.row=242

Sum of 1.column=218
Sum of 2.column=100
Sum of 3.column=181
Sum of 4.column=109

Matrix A2 (5x3):
  4 30 19
 79 58 20
 95 12 24
 20 37 72
 17  0 53

print_sum_rows_cols():
   a[0][0] = 4   a[0][1] = 30   a[0][2] = 19
Sum for row 1 = 53
   a[1][0] = 79   a[1][1] = 58   a[1][2] = 20
Sum for row 2 = 157
   a[2][0] = 95   a[2][1] = 12   a[2][2] = 24
Sum for row 3 = 131
   a[3][0] = 20   a[3][1] = 37   a[3][2] = 72
Sum for row 4 = 129
   a[4][0] = 17   a[4][1] = 0   a[4][2] = 53
Sum for row 5 = 70

   a[0][0] = 4   a[1][0] = 79   a[2][0] = 95   a[3][0] = 20   a[4][0] = 17
Sum for col 1 = 215
   a[0][1] = 30   a[1][1] = 58   a[2][1] = 12   a[3][1] = 37   a[4][1] = 0
Sum for col 2 = 137
   a[0][2] = 19   a[1][2] = 20   a[2][2] = 24   a[3][2] = 72   a[4][2] = 53
Sum for col 3 = 188

bogus_sum_rows_cols() - (n = 2, m = 2):
   a[0][0] = 4   a[0][1] = 30   a[0][2] = 19
Sum for row 0 = 53
   a[1][0] = 19   a[1][1] = 79   a[1][2] = 58
Sum for row 1 = 156
   a[2][0] = 58   a[2][1] = 20   a[2][2] = 95
Sum for row 2 = 173
   a[3][0] = 95   a[3][1] = 12   a[3][2] = 24
Sum for row 3 = 131
   a[4][0] = 24   a[4][1] = 20   a[4][2] = 37
Sum for row 4 = 81

   a[0][0] = 4   a[1][0] = 19   a[2][0] = 58   a[3][0] = 95   a[4][0] = 24
Sum for col 0 = 200
   a[0][1] = 30   a[1][1] = 79   a[2][1] = 20   a[3][1] = 12   a[4][1] = 20
Sum for col 1 = 161
   a[0][2] = 19   a[1][2] = 58   a[2][2] = 95   a[3][2] = 24   a[4][2] = 37
Sum for col 2 = 233

sum_row_column()(n = 2, m = 2):

   a[0][0] = 4   a[0][1] = 30   a[0][2] = 19
Sum of 1.row=53
   a[1][0] = 19   a[1][1] = 79   a[1][2] = 58
Sum of 2.row=156
   a[2][0] = 58   a[2][1] = 20   a[2][2] = 95
Sum of 3.row=173
   a[3][0] = 95   a[3][1] = 12   a[3][2] = 24
Sum of 4.row=131
   a[4][0] = 24   a[4][1] = 20   a[4][2] = 37
Sum of 5.row=81

   a[0][0] = 4   a[1][0] = 19   a[2][0] = 58
Sum of 1.column=81
   a[0][1] = 30   a[1][1] = 79   a[2][1] = 20
Sum of 2.column=129
   a[0][2] = 19   a[1][2] = 58   a[2][2] = 95
Sum of 3.column=172
   a[0][3] = 79   a[1][3] = 20   a[2][3] = 12
Sum of 4.column=111
   a[0][4] = 58   a[1][4] = 95   a[2][4] = 24
Sum of 5.column=177

bogus_sum_row_column()(n = 2, m = 2):

   a[0][0] = 4   a[0][1] = 30   a[0][2] = 19
Sum of 1.row=53
   a[1][0] = 19   a[1][1] = 79   a[1][2] = 58
Sum of 2.row=156
   a[2][0] = 58   a[2][1] = 20   a[2][2] = 95
Sum of 3.row=173
   a[3][0] = 95   a[3][1] = 12   a[3][2] = 24
Sum of 4.row=131
   a[4][0] = 24   a[4][1] = 20   a[4][2] = 37
Sum of 5.row=81

   a[0][0] = 4   a[1][0] = 19   a[2][0] = 58   a[3][0] = 95   a[4][0] = 24
Sum of 1.column=200
   a[0][1] = 30   a[1][1] = 79   a[2][1] = 20   a[3][1] = 12   a[4][1] = 20
Sum of 2.column=161
   a[0][2] = 19   a[1][2] = 58   a[2][2] = 95   a[3][2] = 24   a[4][2] = 37
Sum of 3.column=233

Matrix A2 (5x3):
  4 30 19
 79 58 20
 95 12 24
 20 37 72
 17  0 53

print_sum_rows_cols():
Sum for row 1 = 53
Sum for row 2 = 157
Sum for row 3 = 131
Sum for row 4 = 129
Sum for row 5 = 70

Sum for col 1 = 215
Sum for col 2 = 137
Sum for col 3 = 188

bogus_sum_rows_cols() - (n = 5, m = 3):
Sum for row 0 = 53
Sum for row 1 = 157
Sum for row 2 = 131
Sum for row 3 = 129
Sum for row 4 = 70

Sum for col 0 = 215
Sum for col 1 = 137
Sum for col 2 = 188

sum_row_column()(n = 5, m = 3):

Sum of 1.row=53
Sum of 2.row=157
Sum of 3.row=131
Sum of 4.row=129
Sum of 5.row=70

Sum of 1.column=178
Sum of 2.column=100
Sum of 3.column=63
Sum of 4.column=194
Sum of 5.column=107

bogus_sum_row_column()(n = 5, m = 3):

Sum of 1.row=53
Sum of 2.row=157
Sum of 3.row=131
Sum of 4.row=129
Sum of 5.row=70

Sum of 1.column=215
Sum of 2.column=137
Sum of 3.column=188

Matrix A3 (3x3):
 96 84 13
 63 29 80
 97 98 48

print_sum_rows_cols():
   a[0][0] = 96   a[0][1] = 84   a[0][2] = 13
Sum for row 1 = 193
   a[1][0] = 63   a[1][1] = 29   a[1][2] = 80
Sum for row 2 = 172
   a[2][0] = 97   a[2][1] = 98   a[2][2] = 48
Sum for row 3 = 243

   a[0][0] = 96   a[1][0] = 63   a[2][0] = 97
Sum for col 1 = 256
   a[0][1] = 84   a[1][1] = 29   a[2][1] = 98
Sum for col 2 = 211
   a[0][2] = 13   a[1][2] = 80   a[2][2] = 48
Sum for col 3 = 141

bogus_sum_rows_cols() - (n = 2, m = 2):
   a[0][0] = 96   a[0][1] = 84   a[0][2] = 13
Sum for row 0 = 193
   a[1][0] = 13   a[1][1] = 63   a[1][2] = 29
Sum for row 1 = 105
   a[2][0] = 29   a[2][1] = 80   a[2][2] = 97
Sum for row 2 = 206

   a[0][0] = 96   a[1][0] = 13   a[2][0] = 29
Sum for col 0 = 138
   a[0][1] = 84   a[1][1] = 63   a[2][1] = 80
Sum for col 1 = 227
   a[0][2] = 13   a[1][2] = 29   a[2][2] = 97
Sum for col 2 = 139

sum_row_column()(n = 2, m = 2):

   a[0][0] = 96   a[0][1] = 84   a[0][2] = 13
Sum of 1.row=193
   a[1][0] = 13   a[1][1] = 63   a[1][2] = 29
Sum of 2.row=105
   a[2][0] = 29   a[2][1] = 80   a[2][2] = 97
Sum of 3.row=206

   a[0][0] = 96   a[1][0] = 13   a[2][0] = 29
Sum of 1.column=138
   a[0][1] = 84   a[1][1] = 63   a[2][1] = 80
Sum of 2.column=227
   a[0][2] = 13   a[1][2] = 29   a[2][2] = 97
Sum of 3.column=139

bogus_sum_row_column()(n = 2, m = 2):

   a[0][0] = 96   a[0][1] = 84   a[0][2] = 13
Sum of 1.row=193
   a[1][0] = 13   a[1][1] = 63   a[1][2] = 29
Sum of 2.row=105
   a[2][0] = 29   a[2][1] = 80   a[2][2] = 97
Sum of 3.row=206

   a[0][0] = 96   a[1][0] = 13   a[2][0] = 29
Sum of 1.column=138
   a[0][1] = 84   a[1][1] = 63   a[2][1] = 80
Sum of 2.column=227
   a[0][2] = 13   a[1][2] = 29   a[2][2] = 97
Sum of 3.column=139

Matrix A3 (3x3):
 96 84 13
 63 29 80
 97 98 48

print_sum_rows_cols():
Sum for row 1 = 193
Sum for row 2 = 172
Sum for row 3 = 243

Sum for col 1 = 256
Sum for col 2 = 211
Sum for col 3 = 141

bogus_sum_rows_cols() - (n = 3, m = 3):
Sum for row 0 = 193
Sum for row 1 = 172
Sum for row 2 = 243

Sum for col 0 = 256
Sum for col 1 = 211
Sum for col 2 = 141

sum_row_column()(n = 3, m = 3):

Sum of 1.row=193
Sum of 2.row=172
Sum of 3.row=243

Sum of 1.column=256
Sum of 2.column=211
Sum of 3.column=141

bogus_sum_row_column()(n = 3, m = 3):

Sum of 1.row=193
Sum of 2.row=172
Sum of 3.row=243

Sum of 1.column=256
Sum of 2.column=211
Sum of 3.column=141

您可以调整打开或关闭调试的时间，以获得不同的输出量，但是仔细检查结果会发现各种差异，这些差异与 main()程序中定义的矩阵的行和列的实际总和有关。

当全局变量与参数同步时，所提出的答案会在平方矩阵上获得“正确”的答案，这一事实说明了进行全面测试的重要性。

如果该代码仅用于处理平方矩阵，则不会同时具有 n和 m（并且既不需要 r也 c）。但是您不应该将函数与所有全局变量联系在一起。您应该定义 r和 c（如果矩阵必须为正方形，则只能定义其中之一）。

这也说明了为什么MCVE（ Minimal, Complete, Verifiable Example）很重要。变量 n和 m中的值未记录在问题或建议的答案中，因此有必要弄清楚它们表示的含义。

关于c - 二维数组(C)中每一行和每一列的总和，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47719719/

文章推荐： c - fcntl 和套接字之间的链接

文章推荐： c - 并行计算中的段错误(核心转储)

文章推荐： c - C语言十进制转二进制

mysql - SUM(COUNT(列)*AVG(列)) AS 列
我正在 csv 上使用 hadoop 来分析一些数据。我使用sql/mysql(不确定)来分析数据，现在陷入了僵局。我花了好几个小时在谷歌上搜索，却没有找到任何相关的东西。我需要一个查询，在该查询中
html - BOOTSTRAP 网格 | 4 列 > 2 列 > 1 列
我正在为 Bootstrap 网格布局的“简单”任务而苦苦挣扎。我希望在大视口(viewport)上有 4 列，然后在中型设备上有 2 列，最后在较小的设备上只有 1 列。当我测试我的代码片段时，似
mysql - 仅选择具有重复(A 列 || B 列)但不同(C 列)值的记录
对于这个令人困惑的标题，我深表歉意，我想不出这个问题的正确措辞。相反，我只会给你背景信息和目标: 这是在一个表中，一个人可能有也可能没有多行数据，这些行可能包含相同的 activity_id 值，也可
sequelize.js - 如何使用 Sequelize 结果查找 A 列 > B 列 + C 列
具有 3 列的数据库表 - A int , B int , C int 我的问题是: 如何使用 Sequelize 结果找到 A > B + C const countTasks = await Ta
MySQL 选择 DISTINCT 列 1、列 2From 表 order by 列 2 DESC
我在通过以下功能编写此查询时遇到问题: 首先按第 2 列 DESC 排序，然后从“不同的第 1 列”中选择只有 Column1 是 DISTINCT 此查询没有帮助，因为它首先从第 1 列中进行选择
css - 使用 bootstrap，台式机中有 4 列，平板电脑中有 2 列，移动设备中有 1 列
使用 Bootstrap 非常有趣和有帮助，目前我在创建以下需求时遇到问题。 “使用 bootstrap 在桌面上有 4 列，在平板电脑上有 2 列，在移动设备上有 1 列”谁能告诉我正确的结构最佳
r - 比较第 1 列(第 1 列)中的连续值并使用第 1 列后比较结果创建新列(第 2 列)
我是 R 新手，正在问一个非常基本的问题。当然，我在尝试从所提供的示例中获取指导的同时做了功课here和 here ，但无法在我的案例中实现这个想法，即可能是由于我的问题中的比较维度更大。我的实
python - 如果文件 1 中的 A 列 = 文件 2 中的 A 列，则替换为文件 2 中的 B 列
通常我会使用 R 并执行 merge.by，但这个文件似乎太大了，部门中的任何一台计算机都无法处理它! (任何从事遗传学工作的人的附加信息)本质上，插补似乎删除了 snp ID 的 rs 数字，我只剩
python - 当第 1 列 > 0 且第 2 列 <= 0 时，如何将第 1 列的值分配给第 2 列
我有一个 df , delta1 delta2 0 -1 2 0 -1 0 0 0 我想知道如何分配 delt
MySQL 加入 ON 列 a IN(列 b)
您好，我想知道是否可以执行以下操作。显然，我已经尝试在 phpMyAdmin 中运行它，但出现错误。也许还有另一种方式来编写此查询。 SELECT * FROM eat_eat_restaurants
python - 如何将 listA 列 1 值匹配并替换为与 ListB 列 1 匹配的 ListB 列 2 值，就像我们在 vlookup 中所做的那样
我有 2 个列表(标题和数据值)。我想要将数据值列 1 匹配并替换为头文件列 1，以获得与 dataValue 列 1 和标题值列 2 匹配的值头文件 TotalLoad,M0001001 Hois
linux - 如果 file1 的 B 列 = file2 的 B 列，则将 file1 的 A 列替换为 file2 的 A 列
我有两个不同长度的文件，file2 是一个很大的引用文件，我从中提取文件 1 的数据。我有一行 awk，我通常会对其进行调整以在我的文件中进行查找和替换，但它总是在同一列中进行查找和替换。所以对于
sql - 检查一个表(列)中的日期是否适合另一个表(列)中的另一个日期
假设我有两个表，如下所示。 create table contract( c_ID number(1) primary key, c_name varchar2(50) not
java - 无法将减号插入具有检查约束的 varchar 列(列 <> '')
我有一个带有 varchar 列的 H2 表，其检查约束定义如下: CONSTRAINT my_constraint CHECK (varchar_field <> '') 以下插入语句失败，但当我删
CSS 3 列，为什么第三列接管了其他 2 列？
这是最少量的代码，可以清楚地说明我的问题: One Two Three 前 2 个 div 应该是 2 个左列。第三个应该占据页面的其余部分。最后，我将添加选项来隐藏和
azure - 该查询未返回 TimeGenerate 列。请编辑查询并包含 TimeGenerate 列
在 Azure 中的 Log Analytics 中，我为 VM Heartbeat 选择一个预定义查询，我在编辑器中运行查询正常，但当我去创建警报时，我不断收到警报“查询未返回 TimeGenera
azure - 该查询未返回 TimeGenerate 列。请编辑查询并包含 TimeGenerate 列
在 Azure 中的 Log Analytics 中，我为 VM Heartbeat 选择一个预定义查询，我在编辑器中运行查询正常，但当我去创建警报时，我不断收到警报“查询未返回 TimeGenera
java - 为什么 [列,行] 而不是 [行,列]
今天我开始使用 JexcelApi 并遇到了这个:当您尝试从特定位置获取元素时，不是像您通常期望的那样使用sheet.getCell(row,col)，而是使用sheet.getCell(col,ro
C# 显示数据库的 2 列，共有 28 列
我有一个包含 28 列的数据库。第一列是代码，第二列是名称，其余是值。 public void displayData() { con.Open(); MySqlDataAdapter
html - 我的网页是 2 列，但在放大时重叠成 1 列？
我很沮丧:每当我缩小这个网页时，一切都变得一团糟。我如何将网页居中，以便我可以缩小并且元素不会被错误定位。 (它应该是 2 列，但所有内容都合并为 1)我试过但由于某种原因，这不起作用。 www.o

行者123

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

c - 二维数组(C)中每一行和每一列的总和