本文實例講述了Python實現的矩陣轉置與矩陣相乘運算。分享給大家供大家參考，具體如下：
矩陣轉置
方法一 ：使用常規的思路
def transpose(M):
# 初始化轉置后的矩陣
result = []
# 獲取轉置前的行和列
row, col = shape(M)
# 先對列進行循環
for i in range(col):
# 外層循環的容器
item = []
# 在列循環的內部進行行的循環
for index in range(row):
item.append(M[index][i])
result.append(item)
return result
思路：矩陣的轉置就是從行變成列, 列變成行
方法二：使用zip解包
def transpose(M): # 直接使用zip解包成轉置后的元組迭代器，再強轉成list存入最終的list中 return [list(row) for row in zip(*M)]
思路:
zip 解包后，返回一個將多個可迭代對象組合成一個元組序列的迭代器，正如：
my_zip = list(zip(['a', 'b', 'c'], [1, 2, 3]))
print(my_zip) # [('a', 1), ('b', 2), ('c', 3)]
在每次循環中將元組強轉成list 并存入總list中
矩陣相乘
def matrixMultiply(A, B):
# 獲取A的行數和列數
A_row, A_col = shape(A)
# 獲取B的行數和列數
B_row, B_col = shape(B)
# 不能運算情況的判斷
if(A_col != B_row):
raise ValueError
# 最終的矩陣
result = []
# zip 解包后是轉置后的元組，強轉成list, 存入result中
BT = [list(row) for row in zip(*B)]
# 開始做乘積運算
for A_index in range(A_row):
# 用于記錄新矩陣的每行元素
rowItem = []
for B_index in range(len(BT)):
# num 用于累加
num = 0
for Br in range(len(BT[B_index])):
num += A[A_index][Br] * BT[B_index][Br]
# 累加完成后，將數據存入新矩陣的行中
rowItem.append(num)
result.append(rowItem)
return result
說明： A矩陣與B矩陣的乘法運算，最終得到新的矩陣X ， 思路
更多關于Python相關內容感興趣的讀者可查看本站專題：《Python數學運算技巧總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python字符串操作技巧匯總》及《Python入門與進階經典教程》
希望本文所述對大家Python程序設計有所幫助。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
