代码流程：
1. 从文件中读入数据。
3. 对于矩阵进行处理。
具体的python代码如下：
- 文件路径需要设置正确。
- 字符串处理。
- 字符串数组到 整型数组的转化。（ nums = [int(x) for x in nums ]）
- 矩阵的构造。（matrix = np.array(nums)）
- numpy模块在矩阵处理上很有优势。
列表内容
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
|
# -*- coding: utf-8 -*-
import numpy as np
def readFile(path):
# 打开文件（注意路径）
f = open(path)
# 逐行进行处理
first_ele = True
for data in f.readlines():
## 去掉每行的换行符，"\n"
data = data.strip('\n')
## 按照 空格进行分割。
nums = data.split(" ")
## 添加到 matrix 中。
if first_ele:
### 将字符串转化为整型数据
nums = [int(x) for x in nums ]
### 加入到 matrix 中 。
matrix = np.array(nums)
first_ele = False
else:
nums = [int(x) for x in nums]
matrix = np.c_[matrix,nums]
dealMatrix(matrix)
f.close()
def dealMatrix(matrix):
## 一些基本的处理。
print "transpose the matrix"
matrix = matrix.transpose()
print matrix
print "matrix trace "
print np.trace(matrix)
# test.
if __name__ == '__main__':
readFile("matrix")
|
其中matrix文件中的内容如下：
|
1
2
3
4
5
6
7
8
|
0 0 0 1
1 0 1 0
1 0 1 1
1 1 1 1
1
2
3
4
|
python 构造m* n的矩阵
- 通过列表的方式（数组）进行生成矩阵。
- 该矩阵不适用于稀疏矩阵。（稀疏矩阵不会这样子进行构造）
- 注意：如果数据量特别大的时候，这种方法相当于将矩阵中的东西全部加载到内存中，如果行列达到10000+，最好考虑使用稀疏矩阵。（易出现 MemoryError）
- 稀疏矩阵的运算也应该考虑。
相关代码：
|
1
2
|
def fixed_matrix(row,col):
return [[0 for i in range(col)] for j in range(row)]
|
以上这篇python 读文件,然后转化为矩阵的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/TheSnowBoy_2/article/details/53203280