Question

有没有办法初始化包含这些值而不使用for循环的3行，5列矩阵？

[[0 0 0 0 0
 1 1 1 1 1
 2 2 2 2 2]]

Answer 1

这是可能的。

i = 0
matrix = []
while i <=2:
    matrix += [[i]*5]
    i += 1

Answer 2

没有任何for循环或列表推导，您可以使用内置函数的组合：

map(list, zip(*[range(3)] * 5))

Answer 3

如果您正在处理大型数据集并担心性能问题，您可能需要考虑将数据放入二维NumPy数组中。以下是在NumPy中生成您要求的矩阵的几种方法：

>>> import numpy as np
>>> np.indices((3, 5))[0]
array([[0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1],
       [2, 2, 2, 2, 2]])
>>> np.repeat(np.arange(3), 5).reshape((3, 5))
array([[0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1],
       [2, 2, 2, 2, 2]])

第一个更简单，但有点浪费：np.indices调用实际上生成了你想要的数组（可以被视为行索引数组）以及列索引的伴随数组：

>>> np.indices((3, 5))[1]
array([[0, 1, 2, 3, 4],
       [0, 1, 2, 3, 4],
       [0, 1, 2, 3, 4]])

将两个数组方便地打包成一个形状(2, 3, 5)的数组。如果您还需要第二个阵列，那么np.indices就是可行的方法（尽管在这种情况下您可能还想查看NumPy的mgrid，ogrid和{ {1}}功能）。使用np.repeat的第二个解决方案只生成您需要的值，毫不奇怪，当我将矩阵的大小增加到meshgrid时，我的机器上的速度大约快两倍：

(3000, 5000)

话虽如此，以这种方式使用In [19]: %timeit np.indices((3000, 5000))[0] 10 loops, best of 3: 156 ms per loop In [20]: %timeit np.repeat(np.arange(3000), 5000).reshape((3000, 5000)) 10 loops, best of 3: 88.4 ms per loop在NumPy中是一个反模式：通过创建一个包含3行和单个列，并且当它与其他数组结合时依赖NumPy的broadcasting来正确解释它。如果你这样做，你只需要：

np.repeat

这是一个形状>>> np.arange(3)[:, np.newaxis] array([[0], [1], [2]])的数组;具有形状(3, 1)或(5,)（例如）的数组的后续操作将受NumPy的广播规则约束，产生形状(1, 5)的输出。例如，当我们向上面添加一个零的数组时会发生什么：

(3, 5)

为了完整起见，这里还有一个变体，使用np.tile：

>>> np.arange(3)[:, np.newaxis] + np.zeros(5, dtype=int) array([[0, 0, 0, 0, 0], [1, 1, 1, 1, 1], [2, 2, 2, 2, 2]])

对于>>> np.tile(np.arange(3)[:, np.newaxis], (1, 5)) array([[0, 0, 0, 0, 0], [1, 1, 1, 1, 1], [2, 2, 2, 2, 2]])和3的大值，所有这些解决方案应具有相当类似的性能;如果这是一个瓶颈，你会想要在你的机器上做时间决定使用哪个。在我的机器上，5广播解决方案在一定程度上击败了其他广播解决方案。

Answer 4

这是了解Python初学者的简单方法之一。

matrix = []
for data in range(3):
    matrix.append([data] * 5)

Answer 5

这可以使用：

[[data] * 5 for data in range(3)]

在行号的python中初始化一个矩阵

5 个答案: