Python 初始化多个Numpy数组（多重赋值）-如MATLAB deal（）

我找不到任何描述如何做到这一点的内容，这让我相信我没有以正确的惯用Python方式来做这件事。关于“正确的”Python方法的建议也将不胜感激

我为正在编写的数据记录器提供了一组变量（任意记录长度，具有已知的最大长度）。在MATLAB中，我将它们全部初始化为长度为n的一维零数组，n大于我所看到的条目数，在日志循环中分配每个元素

变量（measurement_no）=data_point

，并在测量结束时修剪多余的零。初始化过程如下所示：

[dData gData cTotalEnergy cResFinal etc] = deal(zeros(n,1));

在Python/NumPy中有没有一种方法可以做到这一点，这样我就不必将每个变量放在自己的行中：

dData = np.zeros(n)
gData = np.zeros(n)
etc.

我也不希望只做一个大矩阵，因为跟踪哪一列是哪一个变量是令人不快的。也许解决方案是制作

（长度x numvars）

矩阵，并将列切片分配给各个变量

---

编辑：假设在这一切结束时，我将有许多相同长度的向量；e、 例如，我的后处理会获取每个日志文件，计算一组单独的度量（>50），存储它们，并重复，直到所有日志都得到处理。然后，我为我计算的所有各种度量生成直方图、means/maxes/sigmas/等。既然在Python中初始化50+个向量显然不容易，那么最好的（最干净的代码和良好的性能）方法是什么呢？

没有错误或与Python无关

dData = np.zeros(n)
gData = np.zeros(n)
etc.

你可以把它们放在一行，但没有特别的理由这样做

dData, gData = np.zeros(n), np.zeros(n)

不要尝试

dData=gData=np.zero（n）

，因为对

dData

的更改会更改

gData

（它们指向相同的对象）。出于同样的原因，您通常不想使用

x=y=[]

MATLAB中的

deal

很方便，但并不神奇。下面是八度音阶是如何实现的

function [varargout] = deal (varargin)
  if (nargin == 0)
    print_usage ();
  elseif (nargin == 1 || nargin == nargout)
    varargout(1:nargout) = varargin;
  else
    error ("deal: nargin > 1 and nargin != nargout");
  endif

endfunction

与Python相反，使用八度音阶（大概是MATLAB）

为3个变量指定不同的对象

---

还请注意MATLAB如何将

deal

作为分配单元格和结构数组内容的一种方式

如果你真的想在一行中这样做，你可以创建一个由零组成的

（n_vars，…）

数组，然后沿着第一个维度展开：

a, b, c = np.zeros((3, 5))
print(a is b)
# False

另一个选项是使用列表理解或生成器表达式：

a, b, c = [np.zeros(5) for _ in range(3)]   # list comprehension
d, e, f = (np.zeros(5) for _ in range(3))   # generator expression
print(a is b, d is e)
# False False

不过要小心！您可能认为，在包含对

np.zeros（）

的调用的列表或元组上使用

*

运算符可以实现同样的效果，但它没有：

h, i, j = (np.zeros(5),) * 3
print(h is i)
# True

这是因为首先计算元组中的表达式

np.zeros（5）

因此只调用一次，重复元组中的每个元素最终都是对同一数组的引用。这就是为什么不能只使用

a=b=c=np.zero（5）

---

除非您真的需要分配大量空数组变量，并且您真的非常关心代码的紧凑性（！），否则我建议您在单独的行上对它们进行初始化以提高可读性。

如果您将数据放入

集合中。defaultdict

您将不需要进行任何显式初始化。所有内容都将在第一次使用时初始化

将numpy导入为np
导入集合
n=100
data=collections.defaultdict（lambda:np.zeros（n））
对于范围（1，n）内的i：
数据['g'][i]=数据['d'][i-1]
# ...

使用

地图如何

：

import numpy as np
n = 10  # Number of data points per array
m = 3   # Number of arrays being initialised
gData, pData, qData = map(np.zeros, [n] * m)

---

这和我想做的最接近。在我的其他一些Matlab代码中——用来分析数据记录器输出的东西——我最终创建了大量向量来存储每次运行的计算指标。它们都被初始化为一个大的

交易的一部分（零（n，1））

，我宁愿不必记录作业左侧有多少个。我觉得我应该用一个结构来代替，但是Matlab的语法让这有点痛苦。请参阅我的问题的编辑。对不起，您必须跟踪您自己在LHS上分配了多少变量。问题是，在Python中，被调用的函数不知道将如何处理返回值，因此它不知道LHS上需要多少。把它看作是你有能力做一个函数调用中的索引之类的事情的代价。你可以考虑使用A来跟踪多个向量的相同长度的空向量，不同的“列名称”谢谢，我很欣赏这个关于事务的讨论（）。我标记了另一个答案，但我发现这个答案也非常有用，我希望我不必只选择一个。

import numpy as np
n = 10  # Number of data points per array
m = 3   # Number of arrays being initialised
gData, pData, qData = map(np.zeros, [n] * m)