[python]矩阵按对角线打印

这篇博客介绍了如何在Python中按对角线打印二维数组。分别展示了从右上角到左下角以及从左上角到右下角的打印方法,详细解释了思路并提供了相应的代码实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Description:
将一个矩阵(二维数组)按对角线向右进行打印。(搜了一下发现好像是美团某次面试要求半小时手撕的题)
Example:
Input:
[
[1,2,3,4],
[5,1,2,3],
[9,5,1,2]
]
Output:
[[4],
[3, 3],
[2, 2, 2],
[1, 1, 1],
[5, 5],
[9]]


思路: 考虑每条对角线开头元素的index(i,j)。i从0开始遍历,j从col-1开始遍历,首先考虑j的变化,若j变为0,则保持不变,让i变化。在确定开头元素后,可通过设置i+1,j+1及不超过范围来向lst中对角线上添加元素。
对于以上例子,各对角线开头元素的index分别为:
(0,3)
(0,2)
(0,1)
(0,0)
(1,0)
(2,0)
其中各lst中的元素index分别为:
[(0,3)]
[(0,2),(1,3)]
[(0,1),(1,2),(2,3)]
[(0,0),(1,1),(2,2)]
[(1,0),(2,1)]
[(2,0)]

代码:

def diagonal_right(matrix):
    if not matrix:
        return []
    row = len(matrix)
    col = len(matrix[0])
    col2 = col
    result = []
    for i in range(row):
        for j in range(col2 - 1, -1, -1): #j倒序遍历
            lst = []
            i1
### 如何用Python计算矩阵对角线元素 在Python中,`NumPy` 是一个非常强大的科学计算库,它提供了多种方法来处理矩阵及其对角线元素。以下是几种常见的方法: #### 方法一:使用 `np.diagonal()` 获取二维数组的对角线元素 对于二维数组,可以直接调用 `np.diagonal()` 来获取主对角线上的元素[^1]。 ```python import numpy as np # 定义一个2D NumPy数组 matrix = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9] ]) # 提取主对角线元素 main_diagonal = matrix.diagonal() print("主对角线元素:", main_diagonal) # 输出: 主对角线元素: [1 5 9] ``` 此方法适用于标准方形或矩形矩阵,并返回主对角线上所有的元素。 --- #### 方法二:使用 `np.trace()` 计算矩阵的迹 (Trace) 如果目标不仅是提取对角线元素,还需要进一步求和,则可以利用 `np.trace()` 函数直接获得矩阵的迹。 ```python trace_value = np.trace(matrix) print("矩阵的迹:", trace_value) # 输出: 矩阵的迹: 15 ``` 这里的结果等于 `[1 + 5 + 9]` 的总和。 --- #### 方法三:使用 `np.diag()` 提取或构建对角线 除了 `np.diagonal()` 外,还可以采用 `np.diag()` 实现类似的功能。该函数不仅可以提取对角线元素,还能基于给定的一维数组生成新的对角矩阵[^2]。 ```python # 提取主对角线元素 diag_elements = np.diag(matrix) print("主对角线元素:", diag_elements) # 输出: 主对角线元素: [1 5 9] # 构建一个新的对角矩阵 new_matrix = np.diag(diag_elements) print("新生成的对角矩阵:\n", new_matrix) ``` 上述代码展示了两种用途——既可读取现有矩阵对角线数据,又能够创建全新的对角结构。 --- #### 扩展:访问次对角线或其他偏移量的对角线 当需要考虑非主对角线的情况时(比如上一条或下一条),可以通过传递额外参数至 `.diagonal(offset)` 中指定位置[^5]。 ```python # 下方第一条副对角线 (-1 表示向下移动一行) lower_diag = matrix.diagonal(-1) # 上方第一条副对角线 (+1 表示向上移动一行) upper_diag = matrix.diagonal(1) print("下方第一条副对角线:", lower_diag) # 输出: 方向第一条副对角线: [4 8] print("上方第一条副对角线:", upper_diag) # 输出: 上方第一条副对角线: [2 6] ``` 这种灵活性使得即使面对复杂场景也能轻松应对不同需求。 --- ### 总结 综上所述,在Python里借助于NumPy提供的工具集完全可以高效完成各类涉及矩阵的操作任务。无论是简单地检索特定类型的对角数值还是深入分析整个体系内部关系链路都变得触手可及。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值