


Program Python untuk mengira jumlah pepenjuru kiri matriks
Sep 17, 2023 pm 11:33 PMPython ialah bahasa pengaturcaraan tujuan umum yang popular digunakan dalam pelbagai industri daripada aplikasi desktop kepada pembangunan web dan pembelajaran mesin.
Sintaksnya yang ringkas menjadikannya sesuai untuk pemula yang mula membuat kod. Dalam artikel ini, kita akan belajar cara mengira "jumlah unsur pepenjuru kiri matriks" menggunakan Python.
Matriks
Dalam matematik kita menggunakan tatasusunan atau matriks segi empat tepat untuk menerangkan objek matematik atau sifat objek matematik, ia adalah tatasusunan atau jadual segiempat tepat yang mengandungi nombor, simbol atau ungkapan yang disusun dalam baris dan lajur.
Contoh
2 3 4 5 1 2 3 6 7 5 7 4
Jadi, ini adalah matriks 3 baris dan 4 lajur. Dan dinyatakan sebagai matriks 3*4.
Terdapat dua pepenjuru dalam matriks iaitu pepenjuru utama dan pepenjuru kecil.
Pepenjuru utama ialah pepenjuru dari sudut kiri atas ke sudut kanan bawah, dan pepenjuru kedua ialah pepenjuru dari sudut kiri bawah ke sudut kanan atas.
Dari contoh yang diberikan -
2 3 a00 a01 1 2 a10 a11
Di sini a00 dan a11 semuanya pepenjuru utama, dan a10 dan a01 ialah matriks sekunder pepenjuru utama.
Jumlah pepenjuru kiri matriks
Sekarang kita telah menyemak asas-asas dan mempunyai pemahaman yang menyeluruh tentang matriks dan pepenjuru, mari kita mendalami topik tersebut dan melengkapkan aspek pengekodan.
Untuk mengira jumlah, kami mengambil matriks 2D. Pertimbangkan matriks 4*4 yang unsur-unsurnya adalah seperti berikut -
2 4 6 8 a00 a01 a02 a03 3 5 7 9 a10 a11 a12 a13 1 4 6 7 a20 a21 a22 a23 3 5 1 4 a30 a31 a32 a33
Di sini, a00,a11,a22,a33 adalah matriks primer atau primer, ada syarat sebelum menyiapkan tugasan. Marilah kita memahami keadaan dua pepenjuru.
Untuk mengambil jumlah elemen yang terdapat dalam pepenjuru utama matriks, ia harus memenuhi syarat baris-lajur, yang menyatakan bahawa untuk jumlah elemen, ia harus mempunyai elemen sebagai baris = lajur.
Kini untuk sub-pepenjuru, untuk elemen a03, a12, a21, a30, keadaan baris dan lajur ialah bilangan baris - bilangan lajur - 1.
Gunakan Untuk Gelung
Dalam kaedah ini, kami akan menggunakan dua gelung untuk mencapai ini, gelung untuk baris dan lajur, dan gelung dalam untuk menyemak keadaan yang kami sediakan.
Algoritma
Memberi nilai MAX.
Fungsi yang mentakrifkan matriks.
Gunakan gelung for untuk mengulang nombor.
Sediakan syarat untuk pepenjuru kiri matriks.
Cetak nilai.
Contoh
Contoh yang diberikan di bawah adalah untuk mengira hasil tambah unsur pepenjuru kiri dalam matriks 4 x 4. Gelung for melalui setiap baris dan lajur matriks, dan jika ia adalah sama (iaitu pada pepenjuru kiri), elemen itu ditambah kepada pembolehubah yang dipanggil "leftmatrix".
max = 50 def sumleftmatrix(matrix, m): leftmatrix = 0 for i in range(0, m): for j in range(0, m): if (i == j): leftmatrix += matrix[i][j] print("Sum of left diagonal of the matrix:", leftmatrix) A = [[ 10, 22, 13, 84 ], [ 52, 63, 97, 82 ], [ 11, 32, 23, 14 ], [ 55, 63, 72, 83 ]] sumleftmatrix(A, 4)
Output
Dalam kaedah ini, kami hanya mentakrifkan fungsi dan mencipta julat untuk baris dan lajur menggunakan gelung for. Tambah syarat untuk unsur yang terdapat dalam pepenjuru kiri.
Kerumitan masa? O(N*N) kerana kami menggunakan gelung bersarang untuk menyemak masa N*N.
Memandangkan kami tidak menggunakan sebarang ruang tambahan, kerumitan ruang tambahan ialah O(1).
Sum of left diagonal of the matrix: 179
Gunakan satu gelung
Dalam kaedah ini, gelung tunggal boleh digunakan untuk mengira hasil tambah pepenjuru primer dan sekunder.
Algoritma
Memberi nilai MAX.
Fungsi yang mentakrifkan matriks.
Gunakan gelung for untuk mengulang nombor.
Sediakan syarat untuk pepenjuru kiri matriks.
Cetak nilai.
Contoh
Contoh berikut mentakrifkan fungsi yang dipanggil sumofleftdiagonal, yang menerima dua parameter: matriks dan m.
Matriks parameter pertama ialah tatasusunan dua dimensi, dan parameter kedua m mewakili saiz tatasusunan dua dimensi.
Terdapat pembolehubah bernama left_diagonal dalam fungsi ini, yang digunakan untuk menyimpan jumlah semua elemen pada diagonal kiri matriks
Kemudian, gelung for melalui setiap elemen dalam julat 0 hingga m (saiz) dan menambah nilai ke dalam pepenjuru_kiri.
Akhir sekali, pernyataan output mencetak "Jumlah Pepenjuru Kiri ialah:", diikuti dengan kandungan yang disimpan dalam pepenjuru_kiri. Contoh diberikan dengan MAX ditetapkan kepada 50 dan T menjadi satu lagi tatasusunan 4x4
MAX = 50 def sumofleftdiagonal (matrix, m): left_diagonal = 0 for i in range(0, m): left_diagonal += matrix[i][i] print("Sum of Left Diagonal is:", left_diagonal) T = [[ 11, 12, 33, 24 ], [ 54, 69, 72, 84 ], [ 14, 22, 63, 34 ], [ 53, 64, 79, 83 ]] sumofleftdiagonal (T, 4)
Output
Kerumitan masa ialah O(N) kerana ia memerlukan gelung untuk mengulang elemen N. Oleh kerana tiada ruang tambahan digunakan, kerumitan ruang tambahan ialah O(1).
Sum of Left Diagonal is: 226
Kesimpulan
Dalam artikel ini, kami membincangkan secara ringkas dua cara mudah untuk mengira jumlah pepenjuru kiri matriks menggunakan program Python. Kaedah pertama menggunakan dua gelung untuk menyelesaikan tugasan yang diberikan kepada kami, manakala kaedah kedua memberikan kami cara yang cekap untuk menyelesaikan tugas yang sama dalam laluan yang lebih pendek.
Atas ialah kandungan terperinci Program Python untuk mengira jumlah pepenjuru kiri matriks. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Input suara pengguna ditangkap dan dihantar ke backend PHP melalui API Mediarecorder JavaScript front-end; 2. PHP menjimatkan audio sebagai fail sementara dan memanggil STTAPI (seperti Pengiktirafan Suara Google atau Baidu) untuk mengubahnya menjadi teks; 3. PHP menghantar teks kepada perkhidmatan AI (seperti Openaigpt) untuk mendapatkan jawapan pintar; 4. PHP kemudian memanggil TTSAPI (seperti sintesis Baidu atau Google Voice) untuk menukar balasan ke fail suara; 5. PHP mengalir fail suara kembali ke bahagian depan untuk bermain, menyelesaikan interaksi. Seluruh proses dikuasai oleh PHP untuk memastikan hubungan lancar antara semua pautan.

Untuk merealisasikan pembetulan ralat teks dan pengoptimuman sintaks dengan AI, anda perlu mengikuti langkah -langkah berikut: 1. Pilih model AI atau API yang sesuai, seperti Baidu, Tencent API atau perpustakaan NLP sumber terbuka; 2. Panggil API melalui curl atau Guzzle PHP dan memproses hasil pulangan; 3. Maklumat pembetulan ralat paparan dalam aplikasi dan membenarkan pengguna memilih sama ada untuk mengadopsinya; 4. Gunakan php-l dan php_codesniffer untuk pengesanan sintaks dan pengoptimuman kod; 5. Secara berterusan mengumpul maklum balas dan mengemas kini model atau peraturan untuk meningkatkan kesannya. Apabila memilih AIAPI, fokus pada menilai ketepatan, kelajuan tindak balas, harga dan sokongan untuk PHP. Pengoptimuman kod harus mengikuti spesifikasi PSR, gunakan cache yang munasabah, elakkan pertanyaan bulat, mengkaji semula kod secara berkala, dan gunakan x

Gunakan sendi Seaborn untuk dengan cepat menggambarkan hubungan dan pengedaran antara dua pembolehubah; 2. 3. Tambah garis regresi dan maklumat ketumpatan kepada jenis = "reg", dan gabungkan marginal_kws untuk menetapkan gaya plot tepi; 4. Apabila jumlah data besar, disarankan untuk menggunakan "hex"

Untuk mengintegrasikan teknologi pengkomputeran sentimen AI ke dalam aplikasi PHP, terasnya adalah menggunakan perkhidmatan awan AIAPI (seperti Google, AWS, dan Azure) untuk analisis sentimen, menghantar teks melalui permintaan HTTP dan menghuraikan hasil JSON yang dikembalikan, dan menyimpan data emosi ke dalam pangkalan data, dengan itu menyedari pemprosesan automatik dan pemahaman data maklum balas pengguna. Langkah -langkah khusus termasuk: 1. Pilih API Analisis Sentimen AI yang sesuai, memandangkan ketepatan, kos, sokongan bahasa dan kerumitan integrasi; 2. Gunakan Guzzle atau Curl untuk menghantar permintaan, menyimpan skor sentimen, label, dan maklumat intensiti; 3. Membina papan pemuka visual untuk menyokong penyortiran keutamaan, analisis trend, arah lelaran produk dan segmentasi pengguna; 4. Menanggapi cabaran teknikal, seperti sekatan dan nombor panggilan API

Senarai rentetan boleh digabungkan dengan kaedah Join (), seperti '' .join (kata) untuk mendapatkan "HelloWorldFrompython"; 2. Senarai nombor mesti ditukar kepada rentetan dengan peta (str, nombor) atau [str (x) forxinnumbers] sebelum menyertai; 3. Mana -mana senarai jenis boleh ditukar secara langsung kepada rentetan dengan kurungan dan petikan, sesuai untuk debugging; 4. Format tersuai boleh dilaksanakan oleh ekspresi penjana yang digabungkan dengan gabungan (), seperti '|' .join (f "[{item}]" foriteminitems) output "[a] | [a]

pandas.melt () digunakan untuk menukar data format yang luas ke dalam format yang panjang. Jawapannya adalah untuk menentukan nama lajur baru dengan menentukan id_vars mengekalkan lajur pengenalan, nilai -nilai pilihan lajur untuk dicairkan, var_name dan value_name, 1.id_vars = 'nama' bermaksud bahawa lajur nama tetap tidak berubah, 2.value_vars = ['math', 'bahasa Inggeris' Nama, 4.value_name = 'Score' menetapkan nama lajur baru nilai asal, dan akhirnya menghasilkan tiga lajur termasuk nama, subjek dan skor.

Pythoncanbeoptimizedformemory-boundoperationsbyreducingoverheadthroughgenerators, efisiendataStructures, danManagingObjectlifetimes.first, useGeneratorsInsteadofListStoprocesslargedataSetSoneiteMatime, mengelakkan muat turun muat turun, coose

Pasang PYODBC: Gunakan perintah PipinstallPyoDBC untuk memasang perpustakaan; 2. Sambungkan SQLServer: Gunakan rentetan sambungan yang mengandungi pemacu, pelayan, pangkalan data, uid/pwd atau aman 3. Semak pemacu yang dipasang: Jalankan pyodbc.drivers () dan tapis nama pemacu yang mengandungi 'SQLServer' untuk memastikan nama pemacu yang betul digunakan seperti 'ODBCDriver17 untuk SQLServer'; 4. Parameter utama rentetan sambungan
