Comment attribuer des valeurs uniformes aux éléments du tableau dans numpy

Cette fois, je vais vous montrer comment attribuer des valeurs uniformes aux éléments du tableau dans numpy, et quelles sont les précautions pour attribuer des valeurs uniformes aux éléments du tableau dans numpy. Ce qui suit est un exemple pratique. cas, jetons un coup d'oeil.

L'opération globale d'affectation de tableau dans Numpy a toujours été un peu déroutante pour moi, et souvent je ne la comprends 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 général, le modèle de compréhension des balises orienté objet peut toujours être compris.

Dans l'exemple 1, l'étiquette après l'ajout de 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 de cette manière ? 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.])

Cela semble assez simple, mais cela ne prend pas. un peu plus approfondie, l'analyse est effectivement un peu difficile à comprendre.

Je pense que vous maîtrisez la méthode après avoir lu le cas dans cet article. Pour des informations plus intéressantes, veuillez prêter attention aux autres articles connexes sur le site Web chinois de php !

Lecture recommandée :

Comment Python Numpy exploite les tableaux et les matrices

Comment fusionner les tableaux numpy de 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!