python给数组每个元素赋值_对numpy中数组元素的统⼀赋值
实例
Numpy中的数组整体处理赋值操作⼀直让我有点迷糊，很多时候理解的不深⼊。今天单独列写相关的知识点，进⾏总结⼀下。
先看两个代码⽚⼩例⼦：
例⼦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.],
数组全部赋值为1[ 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.]])
例⼦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
这两段看上去似乎出现了⾏为不⼀致，其实利⽤⼀般⾯向对象的标签理解模型还是能够理解的。
例⼦1中，加上了索引之后的标签其实指代的就是具体的存储区，⽽例⼦2中，直接使⽤了⼀个标签⽽已。那么这样如何实现对⼀个⼀维数组的全体赋值呢？其实只需要进⾏全部元素的索引即可，
具体⽅法实现如下：
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.])
看起来似乎蛮简单，但是不做⼀下稍微深⼊⼀点的分析，理解起来确实是还有⼀点点难度。
以上这篇对numpy中数组元素的统⼀赋值实例就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持萬仟⽹。
希望与⼴⼤⽹友互动？？
点此进⾏留⾔吧！

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。