在Python中優雅地初始化n維矩陣

Question

關於SO如何初始化二維矩陣有幾個問題，答案是這樣的：

matrix = [[0 for x in range(10)] for x in range(10)]

有什么方法可以將其推廣到n維，而無需使用塊或寫出很長的嵌套列表推導？

Answer 1

由於整數是不可變的，因此您可以將代碼簡化為：

matrix = [[0] * 10 for x in range(10)]

正如@iCodez在評論中提到的，如果可以選擇NumPy，則可以簡單地執行以下操作：

import numpy as np                                              
matrix = np.zeros((10, 10)) 

Answer 2

如果您真的想要一個矩陣， np.zeros和np.ones可以快速創建一個二維數組來實例化矩陣：

import numpy as np
my_matrix = np.matrix(np.zeros((10,10)))

要歸納為n個維度，您不能使用根據定義為2維的矩陣：

n_dimensions = 3
width = 10

n_dimensional_array = np.ones((width,) * n_dimensions)

Answer 3

我同意，如果可以選擇numpy，則它是處理矩陣的一種簡單得多的方法。 我強烈推薦它。

就是說，此遞歸函數是將代碼泛化為n維的一種合理方法。 第一個參數是一個列表或元組，用於指定每個尺寸應多大（以及間接地多少個維）。 第二個參數是用於填充矩陣的常量值（在您的示例中為0 ）：

def init(sizes, value=0):
    if (len(sizes) == 1):
        return [value] * sizes[0]
    else:

        # old code - fixed per comment. This method does not create
        # sizes[0] *new* lists, it just repeats the same list
        # sizes[0] times. This causes unexpected behavior when you
        # try to set an item in a list and all of its siblings get
        # the same change
        # return [init(sizes[1:], value)] * sizes[0]

        # this method works better; it creates a new list each time through
        return [init(sizes[1:], value) for i in xrange(sizes[0])]

matrix = init((2,3,4), 5)
matrix[0][0][0] = 100 # setting value per request in comment
print matrix
>>> [[[100, 5, 5, 5], [5, 5, 5, 5], [5, 5, 5, 5]], [[5, 5, 5, 5], [5, 5, 5, 5], [5, 5, 5, 5]]]

N維數組很難在2D屏幕上打印，但是您可以在我手動縮進的代碼段中更輕松地看到matrix的結構。 它是一個長度為2的數組，包含長度為3的數組，包含長度為4的數組，其中每個值都設置為5：

[
    [
        [100, 5, 5, 5],
        [5, 5, 5, 5],
        [5, 5, 5, 5]
    ],
    [
        [5, 5, 5, 5],
        [5, 5, 5, 5],
        [5, 5, 5, 5]
    ]
]

Answer 4

@ brian-putman更快，更好...無論如何，這是我的解決方案：

init = lambda x, y: [init(x, y-1) if y>1 else 0 for _ in xrange(x)]

僅生成大小為x的正方形矩陣，並在y維度中填充零。 這樣叫

init(5, 3)

[[[0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0]],
 [[0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0]],
 [[0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0]],
 [[0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0]],
 [[0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0],
  [0, 0, 0, 0, 0]]]