Numpy将所有索引设置为值[重复]

Question

这个问题在这里已有答案：

• NumPy array initialization (fill with identical values) 7个答案

我有一个numpy ndarray a = np.ndarray((3,3))，我希望所有的索引都以相同的值开始，例如5：

array([[5., 5., 5.],
       [5., 5., 5.],
       [5., 5., 5.]])

注意：我发布了这种问答风格，因为每次我查看它时，我总会找到一堆关于复杂切片的随机问题，但不是一次性抛出所有内容的简单示例。希望下次我搜索这个问题时会出现更直接的结果。但我也希望其他人有我可以采纳的好主意。

Answer 1

有几种方法可以实现这一目标，但我认为重点是分析哪种方法可以为您提供最佳结果：

In[1]: %timeit np.ones((3,3)) * 5
6.82 µs ± 374 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)    
In[2]: %%timeit
       np.ndarray((3,3))
       a[:] = 5
1.96 µs ± 29.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In[3]: %timeit np.full((3, 3), 5)
4.13 µs ± 59.3 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

因此，可能最好的方法是创建数组并将值5分配给所有元素，这意味着使用第二个选项。

Answer 2

以下是一些可靠的方法：

# Use the function built for this very purpose
>>> a = np.full((3, 3), 5)
>>> a
array([[5., 5., 5.],
       [5., 5., 5.],
       [5., 5., 5.]])

要么

# [:] is shorthand for every index.
>>> a = np.ndarray((3,3))
>>> a[:] = 5
>>> a
array([[5., 5., 5.],
       [5., 5., 5.],
       [5., 5., 5.]])

要么

# multiply a single value over every index (currently all 1s)
>>> a = np.ones((3,3)) * 5   
>>> a
array([[5., 5., 5.],
       [5., 5., 5.],
       [5., 5., 5.]])

有关索引的详细信息和复杂索引/切片示例，请查看documentation

Answer 3

我似乎有另一种方法，只需使用加号运算符：

>>> import numpy as np
>>> a = np.zeros((3,3))
>>> a
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])
>>> a + 5
array([[ 5.,  5.,  5.],
       [ 5.,  5.,  5.],
       [ 5.,  5.,  5.]])
>>> 

（P.S使用zeros而不是ndarray）