如何获取n * m个矩阵行的所有可能总和的列表

debugcn 发表于 Dev

阿特巴耶夫草

我在csv中有这个4x10（nx m）数据矩阵：

1, 5, 19, 23, 7, 51, 18, 20, 35, 41
15, 34, 17, 8, 11, 93, 13, 46, 3, 10
1, 2, 3, 4, 5, 6, 7, 8, 9, 10
10, 9, 8, 7, 6, 5, 4, 3, 2, 1

首先，我尝试从第一n/2行中获取所有可能的总和的列表。对于剩下的最后n/2几行，我也做同样的事情。

在第一行的所有可能总和下，我的意思是：

示例：
第11, 2, 3
行：第2行：3, 2, 1

所有可能的款项清单：1 + [3, 2, 1]; 2 + [3, 2, 1];3 + [3, 2, 1]

最终名单：（[4, 3, 2, 5, 4, 3, 6, 5, 4] 目前，我不想删除重复项）

根据我的逻辑，我有以下代码：

import csv

def loadCsv(filename):
    lines = csv.reader(open(filename, "rb"))
    dataset = list(lines)
    for i in range(len(dataset)):
        dataset[i] = [float(x) for x in dataset[i]]
    return dataset

data = loadCsv('btest2.txt')
divider = len(data)/2

firstPossibleSumsList = []
secondPossibleSumsList = []


#Possible sum list for the first n/2 rows:
for i in range(len(data[0])):
    for j in range(len(data[0])):
        firstPossibleSumsList.append(data[0][i] + data[1][j])

#Possible sum list for the last n/2 rows:
for i in range(len(data[0])):
    for j in range(len(data[0])):
        secondPossibleSumsList.append(data[2][i] + data[3][j])

问题是我通过使用data[0][i]，手动对行进行了划分data[1][i]，data[2][i]依此类推。我想通过包含divider变量来更有效地做到这一点，但我不知道怎么做。在我的代码中，我依赖整数0, 1, 2, 3，但无论矩阵尺寸如何，我都希望将矩阵行分成两半。

公吨

一种选择是将其视为向量和转置向量的总和。然后，您可以执行以下操作：

import numpy as np

data = np.array(loadCsv('btest2.txt'))

firstPossibleSumsArray = (data[0,:,np.newaxis] + data[1]).flatten()

#output for first two columns:
array([  15,   34,   17,    8,   11,   93,   13,   46,    3,   10,   75,
    170,   85,   40,   55,  465,   65,  230,   15,   50,  285,  646,
    323,  152,  209, 1767,  247,  874,   57,  190,  345,  782,  391,
    184,  253, 2139,  299, 1058,   69,  230,  105,  238,  119,   56,
     77,  651,   91,  322,   21,   70,  765, 1734,  867,  408,  561,
   4743,  663, 2346,  153,  510,  270,  612,  306,  144,  198, 1674,
    234,  828,   54,  180,  300,  680,  340,  160,  220, 1860,  260,
    920,   60,  200,  525, 1190,  595,  280,  385, 3255,  455, 1610,
    105,  350,  615, 1394,  697,  328,  451, 3813,  533, 1886,  123,
    410])

最后一个拼合是将其从一个10x10数组转换为一个100x1数组，这没有必要。

使用数组的缺点是，在调整大小/追加数据时，它们不那么灵活。

编辑：

完整的代码可能类似于：

div = int(data.shape[0])
row_len_squared = int(data.shape[1]**2)

firstPossibleSumsArray = np.empty( int((div*(div-1))/2 * row_len_squared), dtype=int )

idx = 0
for row in range(div):
    for col in range(row+1,div):
        firstPossibleSumsArray[idx:idx+row_len_squared] = \
            (data[row,:,np.newaxis] + data[col]).flatten()
        idx += row_len_squared
#reapeat process for second possible sums array by replacing the range 
#in the first loop from range(div) to range(div,2*div)

这将遍历每一行，并将其与矩阵一半中的其余行相加（行＃1 +行＃2，...，行＃1 +行#n，行＃2 +行＃3等）

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。