資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化學
生物
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究Python - 不等尺寸矩陣列最小值
在 Python 中，當處理行長度不一的矩陣時，找到每列最小值的效率至關重要。有多種方法可以解決此任務，每種方法都有其自身的優勢和適用場景。本文將深入探討幾種方法：從基本的巢狀迴圈到高階工具，如 NumPy 和 Pandas。
最終，您將全面掌握兩項關鍵技能：掌握不等尺寸矩陣的操作以及從中提取有價值的資訊。
方法 1：使用巢狀迴圈
此方法使用巢狀迴圈遍歷矩陣，並仔細記錄每列的最小值。雖然此方法對於較小的矩陣有效，但當應用於較大的資料集時，其效率可能會下降。
示例
matrix = [
[3, 8, 1],
[4, 2],
[9, 6, 5, 7]
]
max_row_length = max(len(row) for row in matrix)
column_minima = [float('inf')] * max_row_length
for row in matrix:
for i, value in enumerate(row):
# Update the minimum value for each column
column_minima[i] = min(column_minima[i], value)
for i, minimum in enumerate(column_minima):
print(f"Minimum value in column {i}: {minimum}")
輸出
Minimum value in column 0: 3 Minimum value in column 1: 2 Minimum value in column 2: 1 Minimum value in column 3: 7
方法 2：使用 NumPy
使用 NumPy 可以高效地處理矩陣：建立一個填充 NaN 值的陣列，然後用矩陣資料填充此陣列。隨後使用 np.nanmin 可以識別每列的最小值，從而證實 NumPy 在處理數值資料方面表現出色。
示例
import numpy as np
matrix = [
[3, 8, 1],
[4, 2],
[9, 6, 5, 7]
]
max_row_length = max(len(row) for row in matrix)
# Create a NumPy array filled with NaN values
np_matrix = np.empty((len(matrix), max_row_length))
np_matrix[:] = np.nan
# Fill the NumPy array with matrix values
for i, row in enumerate(matrix):
np_matrix[i, :len(row)] = row
# Find the minimum values in each column
column_minima = np.nanmin(np_matrix, axis=0)
# Print the minimum values for each column
for i, minimum in enumerate(column_minima):
print(f"Minimum value in column {i}: {int(minimum)}")
輸出
Minimum value in column 0: 3 Minimum value in column 1: 2 Minimum value in column 2: 1 Minimum value in column 3: 7
方法 3：使用列表推導式
使用列表推導式是確定每列最小值的一種巧妙方法：它迭代遍歷矩陣，為每一列生成一個最小值的列表。這種系統化的方法不僅簡化了可讀性，還提高了效率，因此使其成為一種最佳方法。
示例
matrix = [
[3, 8, 1],
[4, 2],
[9, 6, 5, 7]
]
column_minima = [min(row[i] for row in matrix if i < len(row)) for i in range(max(len(row) for row in matrix))]
for i, minimum in enumerate(column_minima):
print(f"Minimum value in column {i}: {minimum}")
輸出
Minimum value in column 0: 3 Minimum value in column 1: 2 Minimum value in column 2: 1 Minimum value in column 3: 7
方法 4：使用 itertools.zip_longest
使用 Python 的 itertools 庫，此程式碼片段識別可變大小矩陣中每列的最小值：首先，它轉置該矩陣，使用 zip_longest 解包其行，從而確保所有列都具有相同的長度，方法是用 float('inf') 填充任何缺失的值。然後，它透過使用列表推導式計算每列的最小值。最後，程式遍歷生成的列最小值列表，並列印它們——此過程會產生一個輸出，該輸出顯示原始矩陣中每列的最小值。
示例
from itertools import zip_longest
matrix = [
[3, 8, 1],
[4, 2],
[9, 6, 5, 7]
]
# Transpose the matrix and use zip_longest
transposed = zip_longest(*matrix, fillvalue=float('inf'))
column_minima = [min(col) for col in transposed]
for i, minimum in enumerate(column_minima):
print(f"Minimum value in column {i}: {minimum}")
輸出
Minimum value in column 0: 3 Minimum value in column 1: 2 Minimum value in column 2: 1 Minimum value in column 3: 7
方法 5：使用自定義函式
我們建立一個自定義函式來查詢每列中的最小值；它透過迭代矩陣來執行，並在其過程中維護一個每列最小值的列表。此方法提供的靈活性和自定義選項值得注意：它們極大地提升了我們對資料管理的方法。
示例
def min_values_in_columns(matrix):
column_minima = [float('inf')] * max(len(row) for row in matrix)
for row in matrix:
for i, value in enumerate(row):
column_minima[i] = min(column_minima[i], value)
return column_minima
matrix = [
[3, 8, 1],
[4, 2],
[9, 6, 5, 7]
]
column_minima = min_values_in_columns(matrix)
for i, minimum in enumerate(column_minima):
print(f"Minimum value in column {i}: {minimum}")
輸出
Minimum value in column 0: 3 Minimum value in column 1: 2 Minimum value in column 2: 1 Minimum value in column 3: 7
方法 6：使用 defaultdict
collections 模組的 defaultdict 簡化了查詢每列最小值的步驟：它迴圈遍歷矩陣，在其類似字典的配置中系統地更新每列的最小值。
示例
from collections import defaultdict
matrix = [
[3, 8, 1],
[4, 2],
[9, 6, 5, 7]
]
column_minima = defaultdict(lambda: float('inf'))
for row in matrix:
for i, value in enumerate(row):
column_minima[i] = min(column_minima[i], value)
for i, minimum in column_minima.items():
print(f"Minimum value in column {i}: {minimum}")
輸出
Minimum value in column 0: 3 Minimum value in column 1: 2 Minimum value in column 2: 1 Minimum value in column 3: 7
方法 7：使用 Pandas
Pandas - 這是一個用於資料操作的功能強大的庫。透過從矩陣建立 Pandas DataFrame，我們使用 min 函式來確定每列的最小值——Pandas 在處理結構化資料時尤其擅長此任務。
示例
import pandas as pd
matrix = [
[3, 8, 1],
[4, 2],
[9, 6, 5, 7]
]
df = pd.DataFrame(matrix)
column_minima = df.min()
for i, minimum in enumerate(column_minima):
print(f"Minimum value in column {i}: {int(minimum)}")
輸出
Minimum value in column 0: 3 Minimum value in column 1: 2 Minimum value in column 2: 1 Minimum value in column 3: 7
結論
在我們探索各種查詢不等尺寸矩陣中每列最小值的方法，特別是使用 Python 時：我們遇到了各種策略，從簡單的巢狀迴圈和列表推導式到專門的工具，如 NumPy 和 Pandas。您選擇的方法應取決於兩個主要因素：您資料固有的獨特特徵；以及與您的任務相關的效能要求。優先考慮可讀性、數值效率或多功能性；每種方法都值得一試——一種可以巧妙地處理適合您需求的各種矩陣結構的方法。
109 次瀏覽
