Я хотел бы читать числа из файла в двумерный массив.
Содержимое файла:
- содержащая w, h
- h строк, содержащих w целых чисел, разделенных пробелом
Например:
4 3
1 2 3 4
2 3 4 5
6 7 8 9
Я хотел бы читать числа из файла в двумерный массив.
Содержимое файла:
Например:
4 3
1 2 3 4
2 3 4 5
6 7 8 9
Предполагая, что у вас нет посторонних пробелов:
with open('file') as f:
w, h = [int(x) for x in next(f).split()] # read first line
array = []
for line in f: # read rest of lines
array.append([int(x) for x in line.split()])
Вы могли бы сконфигурировать последний цикл for во вложенном понимании списка:
with open('file') as f:
w, h = [int(x) for x in next(f).split()]
array = [[int(x) for x in line.split()] for line in f]
Для меня такая, казалось бы, простая проблема - вот что такое Python. Особенно, если вы исходите из такого языка, как С++, где простой анализ текста может быть болью в прикладе, вы по достоинству оцените функционально единое решение, которое может дать вам python. Я бы сохранил это очень просто с помощью нескольких встроенных функций и некоторых выражений генератора.
Вам понадобятся open(name, mode)
, myfile.readlines()
, mystring.split()
, int(myval)
, и тогда вы, вероятно, захотите использовать пару генераторов, чтобы собрать их все вместе на питоновском пути.
# This opens a handle to your file, in 'r' read mode
file_handle = open('mynumbers.txt', 'r')
# Read in all the lines of your file into a list of lines
lines_list = file_handle.readlines()
# Extract dimensions from first line. Cast values to integers from strings.
cols, rows = (int(val) for val in lines_list[0].split())
# Do a double-nested list comprehension to get the rest of the data into your matrix
my_data = [[int(val) for val in line.split()] for line in lines_list[1:]]
Посмотрите выражения генератора здесь. Они могут действительно упростить ваш код в отдельные функциональные блоки! Представьте, что вы делаете то же самое в 4-х строках на С++... Это был бы монстр. Особенно генераторы списков, когда я был парнем С++, мне всегда хотелось, чтобы у меня было что-то в этом роде, и я часто приводил к созданию пользовательских функций для построения каждого типа массива, который я хотел.
Не уверен, зачем вам нужно w, h. Если эти значения действительно необходимы и означают, что должно быть указано только указанное количество строк и столбцов, вы можете попробовать следующее:
output = []
with open(r'c:\file.txt', 'r') as f:
w, h = map(int, f.readline().split())
tmp = []
for i, line in enumerate(f):
if i == h:
break
tmp.append(map(int, line.split()[:w]))
output.append(tmp)
диплом мочи пу член х шарики пупы вонючие
работает как с python2 (например, Python 2.7.10), так и с python3 (например, Python 3.6.4)
with open('in.txt') as f:
rows,cols=np.fromfile(f, dtype=int, count=2, sep=" ")
data = np.fromfile(f, dtype=int, count=cols*rows, sep=" ").reshape((rows,cols))
другой способ:
работает как с python2 (например, Python 2.7.10), так и с python3 (например, Python 3.6.4),
а также для сложных матриц, см. пример ниже (измените только int
на complex
)
with open('in.txt') as f:
data = []
cols,rows=list(map(int, f.readline().split()))
for i in range(0, rows):
data.append(list(map(int, f.readline().split()[:cols])))
print (data)
Я обновил код, этот метод работает для любого количества матриц и любых видов матриц (int
, complex
, float
) в исходном файле in.txt
.
Эта программа дает матричное умножение как приложение. Работает с python2, для работы с python3 внесите следующие изменения
print to print()
и
print "%7g" %a[i,j], to print ("%7g" %a[i,j],end="")
сценарий:
import numpy as np
def printMatrix(a):
print ("Matrix["+("%d" %a.shape[0])+"]["+("%d" %a.shape[1])+"]")
rows = a.shape[0]
cols = a.shape[1]
for i in range(0,rows):
for j in range(0,cols):
print "%7g" %a[i,j],
print
print
def readMatrixFile(FileName):
rows,cols=np.fromfile(FileName, dtype=int, count=2, sep=" ")
a = np.fromfile(FileName, dtype=float, count=rows*cols, sep=" ").reshape((rows,cols))
return a
def readMatrixFileComplex(FileName):
data = []
rows,cols=list(map(int, FileName.readline().split()))
for i in range(0, rows):
data.append(list(map(complex, FileName.readline().split()[:cols])))
a = np.array(data)
return a
f = open('in.txt')
a=readMatrixFile(f)
printMatrix(a)
b=readMatrixFile(f)
printMatrix(b)
a1=readMatrixFile(f)
printMatrix(a1)
b1=readMatrixFile(f)
printMatrix(b1)
f.close()
print ("matrix multiplication")
c = np.dot(a,b)
printMatrix(c)
c1 = np.dot(a1,b1)
printMatrix(c1)
with open('complex_in.txt') as fid:
a2=readMatrixFileComplex(fid)
print(a2)
b2=readMatrixFileComplex(fid)
print(b2)
print ("complex matrix multiplication")
c2 = np.dot(a2,b2)
print(c2)
print ("real part of complex matrix")
printMatrix(c2.real)
print ("imaginary part of complex matrix")
printMatrix(c2.imag)
в качестве входного файла я беру in.txt
:
4 4
1 1 1 1
2 4 8 16
3 9 27 81
4 16 64 256
4 3
4.02 -3.0 4.0
-13.0 19.0 -7.0
3.0 -2.0 7.0
-1.0 1.0 -1.0
3 4
1 2 -2 0
-3 4 7 2
6 0 3 1
4 2
-1 3
0 9
1 -11
4 -5
и complex_in.txt
3 4
1+1j 2+2j -2-2j 0+0j
-3-3j 4+4j 7+7j 2+2j
6+6j 0+0j 3+3j 1+1j
4 2
-1-1j 3+3j
0+0j 9+9j
1+1j -11-11j
4+4j -5-5j
и вывод выглядит так:
Matrix[4][4]
1 1 1 1
2 4 8 16
3 9 27 81
4 16 64 256
Matrix[4][3]
4.02 -3 4
-13 19 -7
3 -2 7
-1 1 -1
Matrix[3][4]
1 2 -2 0
-3 4 7 2
6 0 3 1
Matrix[4][2]
-1 3
0 9
1 -11
4 -5
matrix multiplication
Matrix[4][3]
-6.98 15 3
-35.96 70 20
-104.94 189 57
-255.92 420 96
Matrix[3][2]
-3 43
18 -60
1 -20
[[ 1.+1.j 2.+2.j -2.-2.j 0.+0.j]
[-3.-3.j 4.+4.j 7.+7.j 2.+2.j]
[ 6.+6.j 0.+0.j 3.+3.j 1.+1.j]]
[[ -1. -1.j 3. +3.j]
[ 0. +0.j 9. +9.j]
[ 1. +1.j -11.-11.j]
[ 4. +4.j -5. -5.j]]
complex matrix multiplication
[[ 0. -6.j 0. +86.j]
[ 0. +36.j 0.-120.j]
[ 0. +2.j 0. -40.j]]
real part of complex matrix
Matrix[3][2]
0 0
0 0
0 0
imaginary part of complex matrix
Matrix[3][2]
-6 86
36 -120
2 -40