这个问题在这里已有答案:
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。
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。
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
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
)