Escriba una identidad de función (n) que devuelva la identidad n matriz.
Por ejemplo: identidad (3) salidas [[1,0,0] [0,1,0] [0,0,1]]
He intentado de la siguiente manera:
def identity(n):
matrix=[[0]*n]*n
i=0
while i<n:
matrix[i][i]=1
i+=1
return matrix
También probé con rango pero funcionó así.
def identity(n):
matrix=[[0]*n]*n
k=matrix[:]
i=0
for i in range(1,n):
matrix[i][i]=1
i+=1
return k
print(identity(5))
Pero la salida para n = 5
:
[[1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1]]
Respuestas
2 para la respuesta № 1Si no está permitido numpy ... saber esto Cómo definir una matriz bidimensional en Python
y haz esto
def identity(n):
m=[[0 for x in range(n)] for y in range(n)]
for i in range(0,n):
m[i][i] = 1
return m
3 para la respuesta № 2
Esto es porque la forma en que se está inicializando matrix
. Cada sublista de [[0]*n]*n
es la misma lista [0]*n
, o en otras palabras, cada fila de su matriz es una referencia a la misma fila subyacente. Puedes verificar esto usando id
:
> x = [[0]*3]*3
> x
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]
> id(x[0])
140017690403112
> id(x[1])
140017690403112
> id(x[2])
140017690403112
Por lo tanto, cuando asigne un valor a la i
En la fila de su matriz, la está asignando a todas las filas. Por lo tanto, evite la creación de listas anidadas usando [0]*n
. En su lugar, utilice
matrix = [[0]*n for _ in range(n)]
Aún más simple, evita todo esto con:
import numpy as np
np.eye(n)
1 para la respuesta № 3
Numpy tiene esto incorporado, puedes usar np.eye (n):
In [1]: import numpy as np
In [2]: x = np.eye(4)
In [3]: x
Out[3]:
array([[ 1., 0., 0., 0.],
[ 0., 1., 0., 0.],
[ 0., 0., 1., 0.],
[ 0., 0., 0., 1.]])