将元素列表映射到另一个列表中的元素范围以创建唯一矩阵

Question

我正在尝试“将元素列表映射到另一个列表中的元素范围以创建唯一矩阵。”让我用一张图来解释。

Kickstart-inspired question

我希望这是有道理的。

这是受到 Google Kickstart 比赛的启发，这意味着这不是比赛完全要求的问题。

但我想到了这个问题，觉得值得探讨。

但我被自己困住了，无法继续前进。

这是我的代码，这显然不是正确的解决方案。

values = input("please enter your input: ")
values = values.split()
values = [int(i) for i in values]
>>> please enter your input: 2 4 3 1 0 0 1 0 1 1 0 0 1 1 0 6 4 1 0 0 0 1 0 0 1 1 1 1 1 1 0 1 0 1 0 1 0 1 1 1 0

rows_columns = []
matrix = []
for i in values:
  if i > 1:
    rows_columns[:1].append(i) # The "2" at the very beginning indicates how many matrices should be formed
  elif i <= 1:
    matrix.append(i)
 
 rows_columns[:1]
 >>> [4, 3, 6, 4]

 matrix_all = []
 for i in range(1, len(rows_columns)):
   matrix_sub = []
   for j in range(rows_columns[i]):
     matrix_sub.append(matrix[j])
     if matrix_sub not in matrix_all:
       matrix_all.append(matrix_sub)
 
  >>> [[1, 0, 0, 1], [1, 0, 0], [1, 0, 0, 1, 0, 1], [1, 0, 0, 1]]

我真的想知道嵌套循环是否是解决这个问题的好主意。这是我最近几个小时能想到的最好方法。我想得到的最终结果如下所示。

Final expected output

鉴于有关于一个列表上的矩阵应该有多少行和列的信息，以及在另一个列表上形成矩阵的足够数量的元素，映射（或创建）两者的解决方案是什么根据列表上的维度信息，从另一个列表中提取矩阵？

希望清楚，不明白的时候告诉我。

谢谢！

Answer 1

在不使用 numpy 的情况下，这是一个可行的解决方案，基于在您的代码 sn-p 中找到的输入，以及最终预期结果链接中列出的预期结果：

values = [2, 4, 3, 1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 6, 4, 1, 0, 0, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 1,
      0, 1, 0, 1, 0, 1, 1, 1, 0]

v_idx = 1
"""
As per example, the number of matrices desired is found in the first input list element.
In the above values list, we want 2 matrices. The for loop below therefore executes exactly 2 times
"""
for matrix_nr in range(values[0]):
    # The nr of rows and nr of columns are the next two elements in the values list
    nr_rows = values[v_idx]
    nr_cols = values[v_idx + 1]
    # Calculate the start index for the next matrix specifications
    new_idx = v_idx+2+(nr_rows*nr_cols)
    # Slice the values list to extract the values for the current matrix to format
    sub_elements = values[v_idx+2: new_idx]
    matrix = []
    # Append elements to the matrix by slicing values according to nr_rows and nr_cols
    for r in range(nr_rows):
        start_idx = r*nr_cols
        end_idx = (r+1)*nr_cols
        matrix.append(sub_elements[start_idx:end_idx])
    print(matrix)
    v_idx = new_idx

这给出了预期的结果：

[[1, 0, 0], [1, 0, 1], [1, 0, 0], [1, 1, 0]]
[[1, 0, 0, 0], [1, 0, 0, 1], [1, 1, 1, 1], [1, 0, 1, 0], [1, 0, 1, 0], [1, 1, 1, 0]]

如前所述，numpy 很可能被用来提高效率。