牛客838487852号 - 个人主页动态 - 牛客网

发布(6) 评论刷题收藏

07-28 17:01

感觉标准答案有点问题

import numpy as np def gauss_seidel(A, b, n, x_ini=None): x = x_ini or np.zeros_like(b) row, col =np.shape(A) for _ in range(n): for i in range(row): x_new = b[i] for j in range(col): if i < j: x_new -= A[i, j] * x[j] x[i] = x_new/A[i, i] if i > j: x_new -= A[i, j] * x[j] x[i] = x_new/A[i, i] ...

0 点赞评论收藏

分享

07-25 15:45

题解 | 矩阵变换

import numpy as np def transform_matrix(A,T,S): # 补全代码 if np.linalg.det(T) == 0 or np.linalg.det(S) == 0: return -1 T_inv_A = np.dot(np.linalg.inv(T), A) return np.round(np.dot(T_inv_A, S), 3).tolist() # 主程序 if __name__ == "__main__": # 输入 ndarrayA = input() ndarrayT = input() ndarrayS = i...

0 点赞评论收藏

分享

07-25 11:05

题解 | 实现压缩行稀疏矩阵（CSR）格式转换

def compressed_row_sparse_matrix(dense_matrix): vocter = [item for subvc in dense_matrix for item in subvc] vals = [] col_idx = [] row_ptr = [0] p = 0 for k, i in enumerate(vocter): if i != 0: col_idx.append(k%len(dense_matrix[0])) vals.append(i) p += 1 if k >= len(dense_matrix[0]) and vocter[k-1...

0 点赞评论收藏

分享

07-25 11:06

已编辑

高效压缩，比标准答案更快

def compressed_col_sparse_matrix(dense_matrix): dense_matrix_T = [list(a) for a in zip(*dense_matrix)] vocter = [item for sublist in dense_matrix_T for item in sublist] vals = [] row_idx = [] col_ptr = [0] p = 0 for i, K in enumerate(vocter): if K != 0: vals.append(K) row_idx.append(i%len(dense_matr...

0 点赞评论收藏

分享

07-25 10:19

题解 | 实现向量到直线的正交投影

import numpy as np def orthogonal_projection(v, L): v = np.array(v) L = np.array(L) C = np.dot(v, L.T)/np.linalg.norm(L) D = C*L return D.tolist() if __name__ == "__main__": v = eval(input()) L = eval(input()) print(orthogonal_projection(v, L))

0 点赞评论收藏

分享

07-24 15:33

题解 | 计算协方差矩阵

import numpy as np def calculate_covariance_matrix(vectors): # 补全代码 fist_array = np.array(vectors) n = fist_array.shape[1] means = np.mean(fist_array, axis=1, keepdims=True) center = fist_array - means return (np.dot(center, center.T)/(n-1)).tolist() # 主程序 if __name__ == "__main__": # 输入 n...

0 点赞评论收藏

分享

创作者周榜

更多

关注他的用户也关注了：

牛客网
牛客网在线编程
牛客网题解
牛客企业服务