아래 편집기는 numpy에서 배열 요소의 통합 할당에 대한 예를 공유할 것입니다. 이는 좋은 참조 값을 가지고 있으며 모든 사람에게 도움이 되기를 바랍니다. 에디터를 따라가서 살펴볼까요
Numpy의 전체적인 배열 처리와 할당 작업은 항상 저를 조금 혼란스럽게 만들었고, 깊이 이해하지 못할 때가 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
이 두 문단 실제로는 일반적인 객체지향 레이블 이해 모델을 사용하여도 이해할 수 있습니다.
예제 1에서는 인덱스를 추가한 후 라벨이 실제로 특정 저장 영역을 참조하는 반면, 예 2에서는 라벨을 직접 사용합니다. 그렇다면 1차원 배열의 전체 할당을 어떻게 구현할까요? 실제로 모든 요소를 색인화하면 됩니다.
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.])
numpy arrays_python
numpy 배열 splicing_python의 간단한 예
위 내용은 numpy에서 배열 요소의 균일 할당 예의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
