矩阵是通过排列行和列来形成一个数组来定义的。矩阵的值可以是字符或整数。有多种方法可以将矩阵转换为Python字典-字典推导、for循环、enumerate和zip()。

使用for循环和字典推导

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

Example

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。矩阵中每个部分内的名称标记为"Name 1"，"Name 2"等，每个部分分别标记为"Section 1"，"Section 2"等。最后，它将结果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

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

Example

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。每个矩阵分量都有一个类似“row，col”的标签，并连接到匹配的值。矩阵数据由字典表示为标记的行和列。

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}}

使用枚举和字典理解

程序使用枚举来跟踪循环中的迭代次数并访问该循环的元素。接下来，使用字典理解来设置矩阵的结果格式。

Example

示例

在下面的示例中，通过一个递归函数来开始程序，该函数以调用自身而闻名。使用字典推导技术，通过使用内置方法enumerate()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() 和字典理解

该程序使用zip()函数将嵌套字典设置为一个值，并通过使用字典推导式{}将数据设置在键中。

Example

示例

在下面的示例中，我们将使用名为 matrix_to_dict fun 的递归函数，该函数接受具有列表值的名为 Matrix 的参数。然后它使用列表理解将其存储在变量键中。接下来，它在遍历矩阵中的每一行并将其存储在变量字典中之后，通过理解技术构造给定密钥对的字典。基于行索引，每行使用模式“SN 1”、“SN 2” 等创建一个键。

继续返回字典，它将计算矩阵到字典的转换。现在只需使用子列表创建矩阵并将其存储在变量矩阵中。然后使用调用函数传递变量矩阵并将其存储在变量result中。最后，我们在变量结果的帮助下打印输出。

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。所有上述输出都展示了使用整数和字符的不同字典表示。总之，这种转换可以更高效和灵活地表示数据。