Question

我有一个numpy ndarray a = np.ndarray((3,3))，并且我希望所有索引都以相同的值开始，例如5：

array([[5., 5., 5.],
       [5., 5., 5.],
       [5., 5., 5.]])

注意：我发布此问与答样式是因为每次查找时，我总是会发现一堆关于复杂切片的随机问题，但不是一次投射所有内容的简单示例。希望下次我搜索此问题时，它会作为更直接的结果弹出。但我也希望其他人有我可以采纳的好主意。

Answer 1

以下是一些可靠的方法：

# Use the function built for this very purpose
>>> a = np.full((3, 3), 5)
>>> a
array([[5., 5., 5.],
       [5., 5., 5.],
       [5., 5., 5.]])

或

# [:] is shorthand for every index.
>>> a = np.ndarray((3,3))
>>> a[:] = 5
>>> a
array([[5., 5., 5.],
       [5., 5., 5.],
       [5., 5., 5.]])

或

# multiply a single value over every index (currently all 1s)
>>> a = np.ones((3,3)) * 5   
>>> a
array([[5., 5., 5.],
       [5., 5., 5.],
       [5., 5., 5.]])

查看documentation上的索引以获取更多详细信息和复杂的索引/切片示例

Answer 2

我似乎还有另一种方法，只需使用加号运算符即可：

>>> import numpy as np
>>> a = np.zeros((3,3))
>>> a
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])
>>> a + 5
array([[ 5.,  5.,  5.],
       [ 5.,  5.,  5.],
       [ 5.,  5.,  5.]])
>>>

（使用zeros而不是ndarray的PS）

Answer 3

有几种方法可以实现这一目标，但我认为重点是要进行分析，以便为您提供最佳的结果，

In[1]: %timeit np.ones((3,3)) * 5
6.82 µs ± 374 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)    
In[2]: %%timeit
       np.ndarray((3,3))
       a[:] = 5
1.96 µs ± 29.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In[3]: %timeit np.full((3, 3), 5)
4.13 µs ± 59.3 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

所以，可能最好的方法是创建数组并将值5分配给所有元素，这意味着要使用第二个选项。

numpy将所有索引设置为一个值

3 个答案: