如何获取n * m矩阵行的所有可能总和的列表答案

【问题标题】：How to get list of all possible sums of n*m matrix rows如何获取n * m矩阵行的所有可能总和的列表
【发布时间】：2023-12-11 23:51:01
【问题描述】：

我在 csv 中有这个 4x10 (nxm) 数据矩阵：

1, 5, 19, 23, 7, 51, 18, 20, 35, 41
15, 34, 17, 8, 11, 93, 13, 46, 3, 10
1, 2, 3, 4, 5, 6, 7, 8, 9, 10
10, 9, 8, 7, 6, 5, 4, 3, 2, 1

首先，我尝试从第一行 n/2 中获取所有可能总和的列表。剩下最后的n/2 行我也这样做。

在所有可能的第一行总和下，我的意思是：

示例：
第 1 行：1, 2, 3
第 2 行：3, 2, 1

所有可能的总和列表：1 + [3, 2, 1]； 2 + [3, 2, 1]; 3 + [3, 2, 1]

最终名单：[4, 3, 2, 5, 4, 3, 6, 5, 4] （目前我不想删除重复项）

对于我的逻辑，我有这个代码：

import csv

def loadCsv(filename):
    lines = csv.reader(open(filename, "rb"))
    dataset = list(lines)
    for i in range(len(dataset)):
        dataset[i] = [float(x) for x in dataset[i]]
    return dataset

data = loadCsv('btest2.txt')
divider = len(data)/2

firstPossibleSumsList = []
secondPossibleSumsList = []


#Possible sum list for the first n/2 rows:
for i in range(len(data[0])):
    for j in range(len(data[0])):
        firstPossibleSumsList.append(data[0][i] + data[1][j])

#Possible sum list for the last n/2 rows:
for i in range(len(data[0])):
    for j in range(len(data[0])):
        secondPossibleSumsList.append(data[2][i] + data[3][j])

问题是我使用data[0][i]、data[1][i]、data[2][i] 等手动划分行。我想通过涉及divider 变量来更有效地做到这一点，但我不知道怎么做。在我的代码中，我依赖整数 0, 1, 2, 3，但我想将矩阵行分成两半，而不考虑矩阵尺寸。

【问题讨论】：

我可以编辑我的答案，具体取决于您计划如何治疗，例如。 6x10 矩阵，因为这将决定外循环的外观。您是否也尝试将第三行与第一行和第二行相加？
@M.T 是否有可能实现适用于任何指定行数的逻辑？如果矩阵中的总行数分别为 4、6、8 或 10，我可能需要获取 2、3 的所有可能的总和列表，或者可能是 4 或 5 行（因为我试图获得一半的总和列表一些矩阵）。例如，我可以提供 6x10 矩阵而不是提供 4x10 矩阵，它仍然返回前 3 行（而不是 2 行）的所有可能总和列表。

标签： python matrix sum rows

【解决方案1】：

一种选择是将其视为向量和转置向量的总和。然后你可以这样做：

import numpy as np

data = np.array(loadCsv('btest2.txt'))

firstPossibleSumsArray = (data[0,:,np.newaxis] + data[1]).flatten()

#output for first two columns:
array([  15,   34,   17,    8,   11,   93,   13,   46,    3,   10,   75,
    170,   85,   40,   55,  465,   65,  230,   15,   50,  285,  646,
    323,  152,  209, 1767,  247,  874,   57,  190,  345,  782,  391,
    184,  253, 2139,  299, 1058,   69,  230,  105,  238,  119,   56,
     77,  651,   91,  322,   21,   70,  765, 1734,  867,  408,  561,
   4743,  663, 2346,  153,  510,  270,  612,  306,  144,  198, 1674,
    234,  828,   54,  180,  300,  680,  340,  160,  220, 1860,  260,
    920,   60,  200,  525, 1190,  595,  280,  385, 3255,  455, 1610,
    105,  350,  615, 1394,  697,  328,  451, 3813,  533, 1886,  123,
    410])

最后一个扁平化是将其从10x10 数组转换为100x1 数组，这应该没有必要。

使用数组的缺点是它们在调整/追加数据时不够灵活。

编辑：

完整的代码可能是这样的：

div = int(data.shape[0])
row_len_squared = int(data.shape[1]**2)

firstPossibleSumsArray = np.empty( int((div*(div-1))/2 * row_len_squared), dtype=int )

idx = 0
for row in range(div):
    for col in range(row+1,div):
        firstPossibleSumsArray[idx:idx+row_len_squared] = \
            (data[row,:,np.newaxis] + data[col]).flatten()
        idx += row_len_squared
#reapeat process for second possible sums array by replacing the range 
#in the first loop from range(div) to range(div,2*div)

这将遍历每一行，并将其与矩阵一半中的剩余行相加（行#1 + 行#2，...，行#1 + 行#n，行#2 + 行#3 等。 )

【讨论】：