求简单类型的矩阵和

简介: 求简单类型的矩阵和

1.引言

通过Python的各种函数和逻辑关系可以比较方便的做到相对于自己来说计算量比较大的问题。


2.问题描述

给出任意m*n大小的矩阵,求出其和。


3.算法描述

首先需要给出变量规定矩阵的大小,通过键盘输入矩阵的具体数值并存储在一个列表中,依据给出的矩阵规格分别计算他们的和。


4.结语

在这个实验中,我们要用到for循环语句,并且是循环中加循环。在这个实验中,由于有多个循环,应注意每行代码的缩进,不同的缩进代表的意义不同,得到的结果也不同。


代码清单 1

m, n = map(int, input().split())
a = []
for i in range(m):
   s = input()
   a.append([int(n) for n in s.split()])
for j in range(m):
   sum = 0
for k in range(n):
       sum += a[j][k]
print(sum)
目录
相关文章
|
17天前
矩阵转换
【10月更文挑战第30天】矩阵转换。
22 3
|
4月前
|
存储 算法 Python
稀疏矩阵是矩阵中大部分元素为零的矩阵。
稀疏矩阵是矩阵中大部分元素为零的矩阵。
|
6月前
19.把1~100存到二维数组a[10][10]中,并按二维矩阵形式输出
19.把1~100存到二维数组a[10][10]中,并按二维矩阵形式输出
42 0
|
6月前
|
机器学习/深度学习 存储 人工智能
利用前缀和计算二维矩阵子矩阵的和
利用前缀和计算二维矩阵子矩阵的和
68 0
|
6月前
|
算法 前端开发 测试技术
3033. 修改矩阵
3033. 修改矩阵
36 0
第3章 数组与矩阵——3.3 矩阵元素的运算(1)
第3章 数组与矩阵——3.3 矩阵元素的运算(1)
第3章 数组与矩阵——3.3 矩阵元素的运算(2)
第3章 数组与矩阵——3.3 矩阵元素的运算(2)
|
资源调度 PyTorch 算法框架/工具
pytorch 如何生成指定位置、尺度参数的随机高斯矩阵,并指定这个随机矩阵的形式
在上述代码中,我们使用 torch.normal(mean=mu, std=sigma, size=(m, n)) 函数直接生成了一个形状为 (m, n) 的随机高斯矩阵 data,其中 mean 参数指定了均值,std 参数指定了标准差。 需要注意的是,与 torch.randn() 不同,torch.normal() 生成的是具有指定均值和标准差的高斯分布,因此生成的随机矩阵不一定是标准正态分布。如果需要生成标准正态分布随机矩阵,可以将 mean 参数设置为 0,std 参数设置为 1。
1180 1
|
存储 数据挖掘 vr&ar
R 数据集的概念、向量、矩阵和数组|学习笔记
快速学习 R 数据集的概念、向量、矩阵和数组。
221 0
R 数据集的概念、向量、矩阵和数组|学习笔记
|
机器学习/深度学习 算法
二维矩阵转换(多种遍历方法)
二维矩阵转换(多种遍历方法)
下一篇
无影云桌面