python 实现行列调换 值不变

可以使用zip()函数和*操作符来实现行列调换，代码如下：

# 原始矩阵
matrix = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

# 行列调换后的矩阵
transpose_matrix = list(zip(*matrix))

# 输出结果
print(matrix)
print(transpose_matrix)

输出结果为：

[[1, 2, 3], [4, 5, 6], [7, 8, 9]]
[(1, 4, 7), (2, 5, 8), (3, 6, 9)]

可以看到，原始矩阵和行列调换后的矩阵值是一样的，只是行列位置发生了变化。如果需要得到一个列表嵌套列表的形式，可以将结果使用list()函数进行转换。

相关问题

python行列转换

在Python中，可以使用pandas库中的melt()函数来实现行列数据的转换。该函数的作用是将DataFrame格式的数据从“宽格式”转换为“长格式”，或者从“长格式”转换为“宽格式”。

下面是一个将“宽格式”数据转换为“长格式”数据的例子：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],
                   'Math': [90, 80, 70],
                   'English': [85, 75, 65]})

# 使用melt()函数将“宽格式”数据转换为“长格式”数据
melted_df = pd.melt(df, id_vars=['Name'], value_vars=['Math', 'English'], var_name='Subject', value_name='Score')

# 输出转换后的DataFrame
print(melted_df)

输出结果为：

      Name  Subject  Score
0    Alice     Math     90
1       Bob     Math     80
2  Charlie     Math     70
3    Alice  English     85
4       Bob  English     75
5  Charlie  English     65

上述代码中，首先创建了一个DataFrame，包含三列数据：Name、Math和English。然后使用melt()函数将Math和English列转换为“长格式”数据，并将转换后的数据存储在melted_df变量中。在melt()函数中，id_vars参数指定了保持不变的列，value_vars参数指定了需要转换的列，var_name参数指定了转换后的列名，value_name参数指定了转换后的值的列名。

下面是一个将“长格式”数据转换为“宽格式”数据的例子：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'Name': ['Alice', 'Alice', 'Bob', 'Bob', 'Charlie', 'Charlie'],
                   'Subject': ['Math', 'English', 'Math', 'English', 'Math', 'English'],
                   'Score': [90, 85, 80, 75, 70, 65]})

# 使用pivot()函数将“长格式”数据转换为“宽格式”数据
pivoted_df = df.pivot(index='Name', columns='Subject', values='Score')

# 输出转换后的DataFrame
print(pivoted_df)

输出结果为：

Subject   English  Math
Name                  
Alice          85    90
Bob            75    80
Charlie        65    70

上述代码中，首先创建了一个DataFrame，包含三列数据：Name、Subject和Score。然后使用pivot()函数将Score列转换为“宽格式”数据，并将转换后的数据存储在pivoted_df变量中。在pivot()函数中，index参数指定了行索引，columns参数指定了列索引，values参数指定了需要转换的值。

python行列转化

在Python中，特别是用Pandas库处理数据时，行列转换是非常常见的操作。主要有两种常见的转换：

1. **转置（Transpose）**：将数据表从行向量变成列向量，或者从列向量变成行向量。在Pandas中，可以使用`.T`或`.transpose()`方法来实现。例如：

   df = pd.DataFrame(...)  # 假设df是一个DataFrame
   transposed_df = df.T

2. **reshape（重塑）**：改变数组的形状，但保持元素总数不变。可以使用`numpy.reshape()`方法，或使用`.values.reshape()`来操作Pandas DataFrame的数值部分。例如：

   import numpy as np
   array = np.array(...)  # 假设array是一个数组
   reshaped_array = array.reshape(new_shape)

注意，转置是对二维数组的操作，而reshape适用于任意维度的数组。