Python - անհավասար չափի մատրիցային սյունակի արտադրանք

Այս հոդվածում մենք կիմանանք տարբեր մեթոդների մասին, որոնց միջոցով մենք կարող ենք գտնել անհավասար չափի մատրիցային սյունակների արտադրանք: Մատրիցների հետ աշխատելը շատ տարածված է այնպիսի ոլորտներում, ինչպիսիք են տվյալների վերլուծությունը, մեքենայական ուսուցումը, ուստի կարող են լինել իրավիճակներ, երբ մենք պետք է գտնենք մատրիցային սյունակի արտադրանքը, որը կարող է դժվար առաջադրանք լինել:

Տեսնենք մի քանի օրինակ՝ անհավասար չափի մատրիցայի սյունակի արտադրյալը գտնելու համար

Մեթոդ 1. Օգտագործելով պարզ օղակ

Այս մեթոդում մենք կօգտագործենք պարզ ներդիր հանգույցի հայեցակարգը և կկրկնենք մատրիցային սյունակի միջով և կհաշվենք դրանց արտադրանքը:

Օրինակ

def col_product_loop(mat):
   prod = []
   max_row_length = max(len(row) for row in mat)
   for col in range(max_row_length):
      col_product = 1
      for row in matrix:
         if col < len(row):
            col_product *= row[col]
         prod.append(col_product)
      return prod

   mat = [[1, 2, 3],
         [4, 5],
         [6, 7, 8, 9]]

products_col = col_product_loop(mat)
print("Product of column is :", products_col)

Արդյունք

Product of column is: [24, 70, 24, 9]

Բացատրություն

Այստեղ վերը նշված ծրագրում մենք հոգ ենք տանում, որ մենք կրկնում ենք մեծ չափի տողի վրա՝ օգտագործելով max(len(տող) տողի համար մատրիցում: Ներքին օղակի ներսում մենք ավելացրել ենք if պայման՝ ստուգելու համար, թե արդյոք ընթացիկ սյունակի ինդեքսը տողի սահմաններում է: տիրույթ: Եթե այս պայմանը բավարարվում է, ապա մենք բազմապատկում ենք ինդեքսի արժեքը: Այնուհետև ապրանքները պահվում են ցուցակում և վերադարձվում որպես վերջնական արդյունք:

Մեթոդ 2. Օգտագործելով NumPy

Այս մեթոդում մենք կօգտագործենք NumPy-ի հայեցակարգը, որը մեզ տրամադրում է գործողություններ զանգվածների և մատրիցների հետ աշխատելու համար:

Օրինակ

import numpy as np

def col_product_numpy(mat):
   max_len = max(len(row) for row in mat)
   padded_matrix = [row + [1] * (max_len - len(row)) for row in mat]
   return np.product(padded_matrix, axis=0).tolist()

   mat = [[1, 2, 3],
         [4, 5],
         [6, 7, 8, 9]]

products_col = col_product_numpy(mat)
print("Product of column is:", products_col)

Արդյունք

Product of column is: [24, 70, 24, 9]

Բացատրություն

Այստեղ վերը նշված ծրագրում մենք ստեղծեցինք նոր մատրիցա, որտեղ բոլոր տողերն ունեն նույն երկարությունը, իսկ ավելի կարճ տողը լրացրինք տողերով: 1 արժեքի ավելացումը չի ազդի վերջնական արդյունքի վրա, քանի որ արժեքը 1-ով բազմապատկելը կհանգեցնի նույն արժեքին: Այնուհետև մենք հաշվարկում ենք սյունակների արտադրյալը:

Մեթոդ 3. Ցուցակի ըմբռնման օգտագործում

Այս մեթոդում մենք կօգտագործենք Ցուցակի ըմբռնման հայեցակարգը, որը մեզ տալիս է ցուցակներ ստեղծելու և սյունակի արտադրյալը հաշվարկելու արդյունավետ միջոց:

Օրինակ

def column_product_comprehension(mat):
   max_rw = max(len(row) for row in mat)
   return [eval('*'.join(str(row[col]) for row in mat if col < len(row))) for col in range(max_rw)]

   mat = [[1, 2, 3],
         [4, 5],
         [6, 7, 8, 9]]

products_col = column_product_comprehension(mat)
print("Product of column is:", products_col)

Արդյունք

Product of column is: [24, 70, 24, 9]

Բացատրություն

Այստեղ վերը նշված ծրագրում մենք օգտագործում ենք ցուցակի ըմբռնման մեթոդը՝ սյունակների վրա կրկնելու համար՝ օգտագործելով միջակայքը (max_rw): Այստեղ max_rw-ն ցանկացած տողի առավելագույն երկարությունն է: Այնուհետև մենք միացնում ենք յուրաքանչյուր տարր սյունակի ներսում յուրաքանչյուր տողի համար, որը գտնվում է տողի ներկայացման մեջ: Այնուհետև մենք օգտագործում ենք eval() մեթոդը արտադրանքը հաշվարկելու համար:

Մեթոդ 4. Օգտագործելով numpy.prod() և np.apply_along_axis()

Այս մեթոդում մենք կօգտագործենք numpy.prod() և np.apply_along_axis() մեթոդը՝ սյունակների արտադրյալը գտնելու համար:

Օրինակ

import numpy as np

def column_product_np_apply(mat):
   max_len = max(len(column) for column in mat)
   padded_matrix = [column + [1] * (max_len - len(column)) for column in mat]
   return np.apply_along_axis(np.prod, axis=0, arr=padded_matrix).tolist()


   mat = [[1, 2, 3],
         [4, 5],
         [6, 7, 8, 9]]

products_col = column_product_np_apply(mat)
print("Product of column is:", products_col)

Արդյունք

Product of column is: [24, 70, 24, 9]

Բացատրություն

Այստեղ վերը նշված ծրագրում մենք օգտագործում ենք numpy.prod() և np.apply_along_axis() մեթոդը՝ սյունակի արտադրյալը ստանալու համար: Մենք ավելի կարճ շարքը լցրեցինք դրանցով: 1 արժեքի ավելացումը չի ազդի վերջնական արդյունքի վրա, քանի որ արժեքը 1-ով բազմապատկելը կհանգեցնի նույն արժեքին: Այնուհետև մենք կիրառում ենք np.apply_along_axis՝ np.prod մեթոդով որպես ֆունկցիա և ավելացնում ենք առանցք=0՝ յուրաքանչյուր սյունակի երկայնքով արտադրանքի ֆունկցիան կիրառելու համար:

Մեթոդ 5. Pandas Dataframe-ի օգտագործումը

Այս մեթոդում մենք կօգտագործենք pandas dataframe գրադարանի հայեցակարգը, որը շատ տարածված է տվյալների մանիպուլյացիայի համար: Մենք կօգտագործենք տվյալների շրջանակի օբյեկտը, որը տրամադրվում է pandas dataframe-ի կողմից, որը կարող է կարգավորել անհավասար չափերի մատրիցը:

Օրինակ

import pandas as pd

def column_product_pandas(mat):
   df = pd.DataFrame(mat)
   return df.product(axis=0).tolist()


   mat = [[1, 2, 3],
         [4, 5],
         [6, 7, 8, 9]]

products_col = column_product_pandas(mat)
print("Product of column is:", products_col)

Արդյունք

Product of column is: [24.0, 70.0, 24.0, 9.0]

Բացատրություն

Այստեղ վերը նշված ծրագրում մենք մատրիցը վերածեցինք pandas-ի տվյալների շրջանակի` օգտագործելով pd.DataFrame() և օգտագործեցինք product() ֆունկցիան առանցք=0-ով` հաշվարկելու սյունակների տարրի արտադրյալը:

Մեթոդ 6. ռեկուրսիվ ֆունկցիայի օգտագործում

Այս մեթոդում մենք կօգտագործենք ռեկուրսիայի ֆունկցիայի հայեցակարգը՝ սյունակների արտադրյալը հաշվարկելու համար:

Օրինակ

def column_product_recursive(mat, row_i=0, col_i=0, prod=[]):
   if row_i == len(mat):
      return prod

   if col_i == len(mat[row_i]):
      return column_product_recursive(mat, row_i + 1, 0, prod)

   current_element = mat[row_i][col_i]
   if col_i >= len(prod):
      prod.append(current_element)
   else:
      prod[col_i] *= current_element

   return column_product_recursive(mat, row_i, col_i + 1, prod)

   mat = [[1, 2, 3],
         [4, 5],
         [6, 7, 8, 9]]

products_col = column_product_recursive(mat)
print("Product of column is:", products_col)

Արդյունք

Product of column is: [24, 70, 24, 9]

Բացատրություն

Վերոնշյալ ծրագրում մենք կանչեցինք ռեկուրսիայի ֆունկցիա և փոխանցեցինք մատրիցը տողի ինդեքսով և սյունակի ինդեքսով, որն օգտագործվում է մշակվող ընթացիկ տողին և սյունակին հետևելու համար: Մենք օգտագործեցինք հիմնական դեպքը, երբ տողի երկարությունը կհասնի մատրիցայի երկարությանը, ինչը նշանակում է, որ բոլոր տողերը մշակվել են: Այսպիսով, այս դեպքում մենք վերադարձնում ենք ապրանքների ցանկը: Մենք տարրը հանում ենք ընթացիկ ցանկից և բազմապատկում ապրանքների ցանկում առկա տարրի հետ: Այն դեպքում, երբ սյունակի ինդեքսը դառնում է ապրանքների ցանկի երկարությունից մեծ, ապա մենք կցում ենք նոր ցուցակը: Այնուհետև մենք կանչեցինք ռեկուրսիայի ֆունկցիան՝ ավելացնելով հաջորդ սյունակը հաջորդ սյունակի տարրը մշակելու համար:

Եզրակացություն

Այսպիսով, մենք ծանոթանում ենք տարբեր մեթոդների, որոնց միջոցով մենք կարող ենք հաշվարկել ցանկացած անհավասար չափի մատրիցի սյունակի տարրի արտադրյալը: Այս գործողությունն իրականացնելու համար մենք տեսանք տարբեր մեթոդներ, ինչպիսիք են շրջագծումը, ցուցակի ըմբռնումը, ռեկուրսիվը, անհարթությունը: Դուք կարող եք ընտրել վերը նշված մեթոդներից որևէ մեկը, որը հարմար է ձեզ համար: