Python NUMPY：如何使用嵌套的'；对于'；循环

所以我想知道如何使用嵌套for循环填充二维Numpy数组。下面是我的代码片段：

import numpy as np

y=np.ones(6000).reshape(100,60)
x=1e-5*np.ones(6000).reshape(100,60)
L=60
r=3.9
eps=0.2

def logistic(n,i):
    y[n,i]=r*x[n,i]*(1-x[n,i])
    return y[n,i]

for n in range(99):
    for i in range(L):
         x[n+1,i] = (1-eps)*logistic(n,i)
         print(x)

这段代码生成一个输出，但我不确定这是否是我应该得到的输出。 这里是输出的快照：

我正在寻找能够生成具有以下算法的输出的东西：

在

x[n+1，i]

数组中，对于

n=1

（即，第1行），在循环中使用

i=1,2,3…60

将

x

数组的所有列元素填充为

（1-eps）*logistic（r，x）

然后，同样对于

n=2

，在循环中使用

i=1,2,3…60

将

x

数组的所有列元素填充为

（1-eps）*logistic（r，x）

执行此操作直到

n=99

，然后打印最终数组

---

如果你能想出一个办法，那将是一个很大的帮助。生成输出后，我还想绘制2d数组，这基本上是生成耦合贴图晶格的一种方法。

numpy

似乎不包括通过对起始值累积应用函数来构建数组的方法。您可以使用或来实现这一点

无需进入

pandas

，您可以将列构建为标准列表，然后将其乘以二维数组：

x = 1e-5
column = [x]
for _ in range(99):
    x = (1 - eps) * r * x * (1-x)
    column.append(x)
result = np.array([column] * 60).transpose()

类似地，您可以使用

fromiter

创建一个生成器函数并创建列数组：

def cumulator(start, function, length):
    x = start
    yield x
    for _ in range(length-1):
        x = function(x)
        yield x

column = np.fromiter(cumulator(1e-5, lambda x: (1-eps) * r * x * (1-x), 100), 
                 dtype=float)
result = np.array([column] * 60).transpose()

或者您可以一次构建一行并

vstack

（垂直堆叠）它们：

---

请不要对循环使用

。您可以使用
np.arange
获得一个数组，然后尝试使用广播“批量”计算一个矩阵。那么您的行都是一样的吗？请澄清您想要什么输出。看起来您正试图使每一行都是前一行的函数，但不清楚。如果您将
n
和
i
传递到
logistic
，而不是
r
，则代码会更清晰。您以后是否还要使用
y
？如果不是，为什么
logistic
要修改数组而不是简单地返回值？如果所有索引的使用都在一个表达式中可见，则更容易检测模式。例如，我怀疑您不需要迭代
I
。因为
n+1
依赖于
n
，所以要删除这个循环就更难了。@WillemVanOnsem-Geez！我是python的初学者。我不知道你的方法对我想要的结果会起什么作用。因此，如果你能解释一下……@Stuart，x数组的行和列最初是相同的，它们到处都是值1e-5。我要做的是：对于第一行，计算表达式（1-eps）*logistic（n，I）的值，并将该值放入第1行的所有列元素中。然后对第2行、第3行执行相同的操作，依此类推。。。。。最后，打印x数组。是的，你可以说一行是前一行的函数，因为它是耦合数据。
row = np.full(60, 1e-5)
result = row
for _ in range(99):
    row = (1 - eps) * r * row * (1 - row)
    result = np.vstack((result, row))