如何在Python中将矩阵转换为字典

---

矩阵是由排列行和列来形成数组定义的。矩阵中行和列的值可以是字符或整数。有多种方法——字典推导式、for循环、enumerate和zip()——可用于在Python中将矩阵转换为字典。

使用for循环和字典推导式

该程序使用for循环迭代矩阵的长度，并应用字典推导式。这有助于将矩阵转换为字典。

示例

在下面的示例中，我们将展示将矩阵的名称值转换为字典。矩阵每个部分内的名称分别标记为“名称1”、“名称2”等，各个部分分别标记为“部分1”、“部分2”等。最终，它将名称值矩阵转换为字典。

def matrix_to_dict(matrix):
   dictionary = {f"Section {i+1}": {f"Name {j+1}": matrix[i][j] for j in range(len(matrix[i]))} for i in range(len(matrix))}
   return dictionary
# Matrix input using List
matrix = [['Raghav', 'Sunil', 'Kiran', 'Rajendra'], ['Pritam', 'Rahul', 'Mehak', 'Suresh'], ['Tom', 'Peter', 'Mark', 'Jessy']]
result = matrix_to_dict(matrix)
print(result)

输出

{'Section 1': {'Name 1': 'Raghav', 'Name 2': 'Sunil', 'Name 3': 'Kiran', 'Name 4': 'Rajendra'}, 
'Section 2': {'Name 1': 'Pritam', 'Name 2': 'Rahul', 'Name 3': 'Mehak', 'Name 4': 'Suresh'}, 
'Section 3': {'Name 1': 'Tom', 'Name 2': 'Peter', 'Name 3': 'Mark', 'Name 4': 'Jessy'}}

使用嵌套for循环

该程序使用嵌套for循环迭代行和列的长度，并将结果以字典数据的形式返回（行设置为键，列设置为值）。

示例

在下面的示例中，程序将矩阵转换为字典。它通过重复行和列来构建嵌套字典。每个矩阵组件都有一个类似“行，列”的标签，并连接到相应的值。字典中以标记的行和列表示矩阵数据。

def matrix_to_dict(matrix):
   dictionary = {}
   for i in range(len(matrix)):
      row_dict = {}
      for j in range(len(matrix[i])):
         row_dict[f"col {j+1}"] = matrix[i][j]
      dictionary[f"row {i+1}"] = row_dict
   return dictionary

# matrix input
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
result = matrix_to_dict(matrix)
print(result)

输出

{'row 1': {'col 1': 1, 'col 2': 2, 'col 3': 3}, 
'row 2': {'col 1': 4, 'col 2': 5, 'col 3': 6}, 
'row 3': {'col 1': 7, 'col 2': 8, 'col 3': 9}}

使用Enumerate和字典推导式

该程序使用enumerate跟踪循环中的迭代次数并访问该循环的元素。接下来，使用字典推导式设置矩阵的结果格式。

示例

在下面的示例中，程序首先使用一个递归函数（该函数会调用自身）。然后使用内置方法enumerate() 通过字典推导式技术将其存储在变量dict中。然后**返回**变量**dict**以获得字典的新转换。现在创建一个表示矩阵的子列表，并将其存储在变量matrix中。然后使用接受名为matrix的参数的调用函数来传递其值，并将其存储在变量result中。最后，我们借助result打印输出。

def matrix_to_dict(matrix):
   dict = {f"row {i+1}": {f"column {j+1}": value for j, value in enumerate(row)} for i, row in enumerate(matrix)}
   return dict
# Input of Matrix
matrix = [[11, 12, 13], [40, 50, 60], [17, 18, 19],[80, 90, 100]]
# Pass the value of the matrix using the recursive function
result = matrix_to_dict(matrix)
print(result)

输出

{'row 1': {'column 1': 11, 'column 2': 12, 'column 3': 13}, 
'row 2': {'column 1': 40, 'column 2': 50, 'column 3': 60}, 
'row 3': {'column 1': 17, 'column 2': 18, 'column 3': 19}, 
'row 4': {'column 1': 80, 'column 2': 90, 'column 3': 100}}

使用zip()和字典推导式

该程序使用zip()设置嵌套字典作为值，并使用字典推导式{}设置键中的数据。

示例

在下面的示例中，我们将使用名为**matrix_to_dict**的递归函数，该函数接受名为matrix的参数，该参数具有列表值。然后它使用列表推导式将其存储在变量keys中。接下来，在遍历矩阵中的每一行并将它们存储在变量dictionary中后，它通过推导式技术构造给定键值对的字典。根据行的索引，每一行都使用**“SN 1”、“SN 2”**等模式创建一个键。

接下来**返回字典**，它将计算矩阵转换为字典。现在只需使用子列表创建矩阵，并将其存储在变量matrix中。然后使用调用函数传递变量matrix并将其存储在变量**result**中。最后，我们借助变量result打印输出。

def matrix_to_dict(matrix):
   keys = [f"Letter {j+1}" for j in range(len(matrix[0]))]
# Each key is generated using different dictionary comprehension
   dictionary = {f"SN {i+1}": {key: value for key, value in zip(keys, row)} for i, row in enumerate(matrix)}
   return dictionary
# Take input as a character matrix using List
matrix = [['A', 'B', 'C'], ['P', 'Q', 'R'], ['X', 'Y', 'Z']]
result = matrix_to_dict(matrix)
print(result)

输出

{'SN 1': {'Letter 1': 'A', 'Letter 2': 'B', 'Letter 3': 'C'}, 
'SN 2': {'Letter 1': 'P', 'Letter 2': 'Q', 'Letter 3': 'R'}, 
'SN 3': {'Letter 1': 'X', 'Letter 2': 'Y', 'Letter 3': 'Z'}}

结论

我们讨论了将矩阵转换为字典的各种方法。以上所有输出都显示了使用整数和字符的不同字典表示。总而言之，这种转换允许对数据进行更有效和灵活的表示。