이번에는 numpy에서 배열 요소에 균일한 값을 할당하는 방법과 numpy에서 배열 요소에 균일한 값을 할당할 때의 주의사항은 무엇인지 보여드리겠습니다. 실제 사례를 살펴보겠습니다.
Numpy의 전반적인 배열 할당 작업은 항상 저를 약간 혼란스럽게 만들었고, 깊이 이해하지 못하는 경우가 많습니다. 오늘은 관련 지식 포인트를 따로 나열하고 요약하겠습니다.
먼저 코드 조각의 두 가지 작은 예를 살펴보겠습니다.
예 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.]])
예 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
일관되지 않은 행동이 있습니다. 사실, 일반적인 객체 지향 태그 이해 모델을 사용해도 여전히 이해할 수 있습니다. 예제 1에서는
index를 추가한 후의 레이블이 실제로 특정 저장 영역을 참조하는 반면, 예 2에서는 레이블을 직접 사용합니다. 그렇다면 1차원 배열의 전체 할당을 어떻게 구현할까요? 실제로 모든 요소를 색인화하면 됩니다. 구체적인 방법은 다음과 같습니다.
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.])아주 간단해 보이지만 조금 심층적인 분석이 없으면 실제로 이해하기가 조금 어렵습니다.
이 기사의 사례를 읽은 후 방법을 마스터했다고 생각합니다. 더 흥미로운 정보를 보려면 PHP 중국어 웹사이트의 다른 관련 기사를 주목하세요!
추천 도서:Python Numpy가 배열과 행렬을 작동하는 방법
위 내용은 numpy의 배열 요소에 균일한 값을 할당하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!