Exemple d'affectation uniforme d'éléments de tableau dans numpy

L'éditeur suivant partagera avec vous un exemple d'affectation unifiée d'éléments de tableau dans numpy. Il a une bonne valeur de référence et j'espère qu'il sera utile à tout le monde. Suivons l'éditeur et jetons un coup d'œil.

L'opération globale de traitement et d'affectation des tableaux dans Numpy m'a toujours rendu un peu confus, et je ne le comprends souvent pas profondément. Aujourd'hui, je vais énumérer les points de connaissances pertinents séparément et les résumer.

Regardons deux petits exemples d'extraits de code :

Exemple 1 :

In [2]: arr =np.empty((8,4))
 
In [3]: arr
Out[3]:
array([[ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.]])
 
In [4]: arr[1] = 1
 
In [5]: arr
Out[5]:
array([[ 0., 0., 0., 0.],
    [ 1., 1., 1., 1.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.],
    [ 0., 0., 0., 0.]])

Exemple 2 :

In [6]: arr1 =np.empty(2)
In [8]: arr1
Out[8]:array([ 7.74860419e-304,  7.74860419e-304])
 
In [9]: arr1 = 0
 
In [10]: arr1
Out[10]: 0

Ces deux paragraphes semblent avoir un comportement incohérent. En fait, ils peuvent toujours être compris en utilisant le modèle général de compréhension des étiquettes orienté objet.

Dans l'exemple 1, l'étiquette après l'ajout de l'index fait en fait référence à la zone de stockage spécifique, tandis que dans l'exemple 2, une étiquette est utilisée directement. Alors, comment implémenter l’affectation globale d’un tableau unidimensionnel ? En fait, il vous suffit d'indexer tous les éléments

La méthode spécifique est la suivante :

In [11]: arr1 =np.empty(2)
 
In [12]: arr1
Out[12]: array([0., 0.])
 
In [13]: arr1[:]
Out[13]: array([0., 0.])
 
In [14]: arr1[:] =0
 
In [15]: arr1
Out[15]: array([0., 0.])

Voir Cela semble assez simple, mais sans une analyse approfondie, c'est effectivement un peu difficile à comprendre.

Recommandations associées :

Une brève discussion sur plusieurs façons de trier les tableaux numpy_python

Un exemple simple d'épissage de tableaux numpy_ python

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!