我的方法:使用数量和hsplit把9*9分成9 3*3块 并使用.flat函数展平每个3*3块,然后使用set()检查列表是否包含重复项
import numpy as np
def validSolution(board):
b=np.array(board)
b=np.vsplit(b,3)
for n,ar in enumerate(b):
b[n]=np.hsplit(ar,3)
for ar in b:
for arr in ar:
print(len(set(arr.flat))==len(arr.flat))
validSolution([[5, 3, 4, 6, 7, 8, 9, 1, 2],
[6, 7, 2, 1, 9, 5, 3, 4, 8],
[1, 9, 8, 3, 4, 2, 5, 6, 7],
[8, 5, 9, 7, 6, 1, 4, 2, 3],
[4, 2, 6, 8, 5, 3, 7, 9, 1],
[7, 1, 3, 9, 2, 4, 8, 5, 6],
[9, 6, 1, 5, 3, 7, 2, 8, 4],
[2, 8, 7, 4, 1, 9, 6, 3, 5],
[3, 4, 5, 2, 8, 6, 1, 7, 9]])
由于我在python和numpy方面相当缺乏经验,我想寻求一种更有效的方法来完成这项工作。在
设置:假设
a
是9x9
网格,b
是您在a
中搜索的3x3
子矩阵(较小的网格)。在步骤:
解决这个问题的一种方法是将
a
重塑为4D
:a4D
形状的(3,3,3,3)
,这样每个窗口都将沿着第二和第四个轴。我们需要将}的第四个轴对齐。
b
扩展到3D
,以便第一个轴与来自a4D
的第二个轴对齐,第二个轴与来自{执行比较,这将是一个高效的比较,它提供给我们一个
4D
布尔数组。沿着这两个维度查找所有匹配项,然后简单地获得匹配索引。因此,实施-
样本运行-
^{pr2}$如果由于某种原因看起来很混乱,而且您更喜欢使用} ,以获得形状无关的解决方案-
built-ins
,那么我们可以使用scikit-image
中的^{请注意,这些整形都只是
views
,因此不需要额外的内存空间。虽然比较会导致创建一个与a
形状相同的布尔数组,但是作为一个布尔数组,它比int/float数组轻得多(在Linux系统上要轻8倍),因此在内存效率上也不算太差。在相关问题 更多 >
编程相关推荐