本文旨在解决将一维 NumPy 数组重塑为尽可能接近正方形的二维矩阵的问题。由于并非所有数字都能完美分解为两个相等的整数，因此我们需要找到两个因子，它们的乘积等于数组的长度，并且这两个因子尽可能接近。本文将介绍两种实现此目标的 Pyth%ignore_a_1%n 代码方法，并提供代码示例和使用注意事项，帮助读者理解和应用这些方法。
在数据处理和科学计算中，经常需要将数据重塑为不同的形状以适应特定的算法或分析需求。当需要将一维 NumPy 数组转换为二维矩阵时，如果目标是创建一个尽可能接近正方形的矩阵，就需要找到两个因子，它们的乘积等于数组的长度，并且这两个因子尽可能接近。
以下介绍两种方法来实现这个目标。
方法一：快速方法
这种方法适用于相对较小的 n 值，它通过遍历小于等于 n 平方根的整数，找到 n 的因子。
import numpy as npfrom math import isqrtdef np_squarishrt(n): a = np.arange(1, isqrt(n) + 1, dtype=int) b = n // a i = np.where(a * b == n)[0][-1] return a[i], b[i]# 示例a = np.arange(500)rows, cols = np_squarishrt(len(a))b = a.reshape((rows, cols))print(b.shape) # 输出 (20, 25)
代码解释:
np_squarishrt(n) 函数接收一个整数 n 作为输入，目标是找到两个整数 p 和 q，使得 p * q == n 并且 p 和 q 尽可能接近。a = np.arange(1, isqrt(n) + 1, dtype=int) 创建一个从 1 到 n 的整数平方根的 NumPy 数组。b = n // a 计算 n 除以 a 中每个元素的整数除法结果，并将结果存储在数组 b 中。i = np.where(a * b == n)[0][-1] 找到 a 和 b 中元素相乘等于 n 的索引，并选择最后一个索引。return a[i], b[i] 返回找到的两个因子。最后，使用 reshape 函数将原始数组重塑为计算出的形状。
注意事项:
WowTo
用AI建立视频知识库
60 查看详情 此方法在 n 较大时可能效率较低，因为它需要遍历一定范围内的整数。isqrt 函数用于计算整数的平方根，避免使用浮点数。
方法二：通用方法
这种方法使用因式分解和幂集组合来找到最接近的因子。
import numpy as npfrom itertools import chain, combinationsfrom math import isqrtdef factors(n): while n > 1: for i in range(2, n + 1): if n % i == 0: n //= i yield i breakdef uniq_powerset(iterable): """ Similar to powerset(it) but without repeats. uniq_powerset([1,1,2]) --> (), (1,), (2,), (1, 1), (1, 2), (1, 1, 2) """ s = list(iterable) return chain.from_iterable(set(combinations(s, r)) for r in range(len(s)+1))def squarishrt(n): p = isqrt(n) if p**2 == n: return p, p bestp = 1 f = list(factors(n)) for t in uniq_powerset(f): if 2 * len(t) > len(f): break p = np.prod(t) if t else 1 q = n // p if p > q: p, q = q, p if p > bestp: bestp = p return bestp, n // bestp# 示例a = np.arange(500)b = a.reshape(squarishrt(len(a)))print(b.shape)
代码解释:
factors(n) 函数使用埃拉托斯特尼筛法找到 n 的所有质因数。uniq_powerset(iterable) 函数生成输入迭代器中所有元素的唯一组合（幂集）。squarishrt(n) 函数首先检查 n 是否是完全平方数。如果是，则返回平方根。否则，它找到 n 的所有质因数，并使用 uniq_powerset 函数生成这些因数的唯一组合。然后，它遍历所有组合，找到两个因子 p 和 q，它们的乘积等于 n 并且 p 尽可能接近 n 的平方根。最后，使用 reshape 函数将原始数组重塑为计算出的形状。
注意事项:
此方法比第一种方法更通用，但计算成本更高，因为它需要计算因式分解和幂集。uniq_powerset 函数用于避免重复组合，从而提高效率。此方法可以找到最接近正方形的因子，即使 n 的质因数分解比较复杂。
总结
本文介绍了两种将一维 NumPy 数组重塑为接近正方形的二维矩阵的方法。第一种方法适用于相对较小的 n 值，而第二种方法更通用，但计算成本更高。选择哪种方法取决于具体的需求和性能考虑。在实际应用中，可以根据数组的大小和所需的精度来选择最合适的方法。
以上就是将一维 NumPy 数组重塑为接近正方形的矩阵的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/930627.html
微信扫一扫 
支付宝扫一扫 
