python系列教程215——列表解析与矩阵

声明：在人工智能技术教学期间，不少学生向我提一些python相关的问题，所以为了让同学们掌握更多扩展知识更好地理解AI技术，我让助理负责分享这套python系列教程，希望能帮到大家！由于这套python教程不是由我所写，所以不如我的AI技术教学风趣幽默，学起来比较枯燥；但它的知识点还是讲到位的了，也值得阅读！想要学习AI技术的同学可以点击跳转到我的教学网站。PS：看不懂本篇文章的同学请先看前面的文章，循序渐进每天学一点就不会觉得难了！

使用Python编写矩阵（也被称为多维数组）的一个基本的方法就是使用嵌套的列表结构。例如，如下代码使用嵌套列表的列表定义了两个3×3的矩阵。

>>>M = [[1,2,3],

...     [4,5,6],

...     [7,8,9]]




>>>N = [[2,2,2],

...     [3,3,3],

...     [4,4,4]]

我们能够只索引行，也可以索引行中的列来访问某个元素。

>>>M[1]

[4,5,6]




>>>M[1][2]

6

列表解析也是处理矩阵的强大工具，它会自动为我们扫描行和列。虽然这种结构通过行来存储矩阵，但是我们能够简单地通过对行进行迭代，然后从所需要的列中提取出元素，或者就像下面一样通过在行内的位置进行迭代。

>>>[row[1] for row in M]

[2,5,8]




>>>[M[row][1] for row in （0,1,2）]

[2,5,8]

下面提取了矩阵中对角线位置的元素。下面的表达式使用range来生成列表的偏移量，之后使用相同的行和列来进行索引，取出了M[0][0],之后是 M[1][1]（这里我们假设矩阵有相同数目的行和列）。

>>>[M[i][i] for i in range（len（M））]

[1,5,9]

最后，我们使用列表解析来混合多个矩阵。

>>>[M[row][col] * N[row][col] for row in range（3） for col in range（3）]

[2,4,6,12,15,18,28,32,36]




>>>[[M[row][col] * N[row][col] for col in range（3）] for row in range（3）]

[[2,4,6],[12,15,18],[28,32,36]]

最后一个表达式等同于如下的基于语句的代码。

>>>res = []

>>>for row in range（3）:

...    tmp = []

...    for col in range（3）:

...        tmp.append（M[row][col] * N[row][col]）

...    res.append（tmp）

...

>>>res

[[2,4,6],[12,15,18],[28,32,36]]

与这些语句相比，列表解析只需要一行代码，而且可能对于大型矩阵来说，运行得更快。