Question

我正在对numpy数组中的标量值进行一些快速计算。正如documentation中所述，

使用数组标量的主要优点是它们可以保留数据标量数组类型（Python可能没有匹配的标量类型，例如 INT16）...

但是有一种更好（更快，更简洁）的方法来为现有的数组标量分配一个新值：

>>> x = np.array(2.0, dtype='float32')

哪个有效，但不方便（我正在做其他算术，并希望保留整个类型）。

由于显而易见的原因，这不起作用：

>>> x = np.array(1.0, dtype='float32')
>>> print(x, type(x))
1.0 <class 'numpy.ndarray'>
>>> x = 2.0
>>> print(x, type(x))
2.0 <class 'float'>

这两个都没有：

>>> x = np.array(1.0, dtype='float32')
>>> x[] = 2.0
  File "<ipython-input-319-7f36071ff81d>", line 2
    x[] = 2.0
      ^
SyntaxError: invalid syntax

也不是这样：

>>> x = np.array(1.0, dtype='float32')
>>> x[:] = 2.0
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-24-62cd4ca238ce> in <module>()
      1 x = np.array(1.0, dtype='float32')
----> 2 x[:] = 2.0

IndexError: too many indices for array

更新：

基于以下评论（谢谢）我现在意识到我实际上并没有使用数组标量。 x是一个零维数组。

以下是如何创建数组标量：

>>> a = np.array((1.0, 2.0, 3.0), dtype='float32')
>>> x = a[0]
>>> print(x, type(x))
1.0 <class 'numpy.float32'>

或者简单地说：

>>> x = np.float32(1.0)
>>> print(x, type(x))
1.0 <class 'numpy.float32'>

Answer 1

可以修改0d数组，但array scalar不能修改：

In [199]: x = np.array(1.0, 'float32')
In [200]: x
Out[200]: array(1., dtype=float32)
In [201]: x.shape
Out[201]: ()
In [202]: x[...] = 2
In [203]: x
Out[203]: array(2., dtype=float32)
In [204]: x[()] =3
In [205]: x
Out[205]: array(3., dtype=float32)

您必须改变x，而不是为变量分配新对象。

那就是说，我不明白为什么人们会想要或者需要这样做。

这个0d数组与array scalar：

不完全相同

In [207]: y = np.float32(1)
In [208]: y[...] = 2
....
TypeError: 'numpy.float32' object does not support item assignment

使用索引从数组中提取元素会产生array scalar：

In [210]: type(x[()])
Out[210]: numpy.float32

float32对象有许多数组属性，甚至是方法，但它并不完全相同：

In [211]: x.shape
Out[211]: ()
In [212]: y.shape
Out[212]: ()

可以使用与其形状大小相同的元组对数组建立索引。 arr[1,2]与arr[(1,2)]相同。 x的形状为()，因此只能使用空元组x[()]编制索引。类似地，arr[:,:]适用于2d数组，但不适用于1d。 ...表示任意数量的切片，因此适用于x[...]。

已为__getitem__类对象定义了足够的np.generic，以允许对[...]和[()]进行索引。但是这项任务尚未确定。

查看类np.ndarray，np.int_，np.float32，np.float和np.int等类的层次结构可能很有用。

更全面的报价

从您的链接：https://docs.scipy.org/doc/numpy-1.13.0/user/basics.types.html#array-scalars

NumPy通常将数组元素作为数组标量返回（带有关联dtype的标量）。数组标量与Python标量不同，但在大多数情况下它们可以互换使用（主要的例外是早于v2.x的Python版本，其中整数数组标量不能作为列表和元组的索引）。有一些例外，例如当代码需要标量的非常特定的属性或者它特定地检查值是否是Python标量时。通常，通过使用相应的Python类型函数（例如，int，float，complex，str，unicode）将数组标量显式转换为Python标量，可以轻松解决问题。

使用数组标量的主要优点是它们保留了数组类型（Python可能没有匹配的标量类型，例如int16）。因此，使用数组标量可确保数组和标量之间的相同行为，无论值是否在数组内。 NumPy标量也有许多与数组相同的方法。

第2段写的是第1段的背景。它试图解释为什么数组的元素是returned as array scalars。也就是说，为什么arr[0,1]返回np.float32对象，而不是Python float。

并不是建议我们直接创建array scalar。

我首先写了这个答案，掩盖了0d数组之间的区别，以及这句引用的内容array scalars。

有没有更好的方法为numpy数组标量赋值？

1 个答案:

更全面的报价