Python 如何在没有for循环的情况下在2D numpy数组中设置多个列?
我想如下设置numpy数组的值。但是我不想对循环使用Python 如何在没有for循环的情况下在2D numpy数组中设置多个列?,python,for-loop,numpy,multidimensional-array,indexing,Python,For Loop,Numpy,Multidimensional Array,Indexing,我想如下设置numpy数组的值。但是我不想对循环使用。 有什么好办法吗 a = range(4) a[0] = [11,12,13,14,15,16] a[1] = [21,22,23,24,25,26] a[2] = [31,32,33,34,35,36] a[3] = [41,42,43,44,45,46] a = np.array(a) changeIndex = [0,2,4] for i in range(4): a[i][changeIndex] = 0 print a
。
有什么好办法吗
a = range(4)
a[0] = [11,12,13,14,15,16]
a[1] = [21,22,23,24,25,26]
a[2] = [31,32,33,34,35,36]
a[3] = [41,42,43,44,45,46]
a = np.array(a)
changeIndex = [0,2,4]
for i in range(4):
a[i][changeIndex] = 0
print a
#array([[ 0, 12, 0, 14, 0, 16],
# [ 0, 22, 0, 24, 0, 26],
# [ 0, 32, 0, 34, 0, 36],
# [ 0, 42, 0, 44, 0, 46]])
实际上,您希望访问多个列,可以通过以下方式实现:
a[:, changeIndex] = 0
记住:
第一个索引选择行,而第二个索引选择列
可以使用列表或元组选择多个索引
更好的风格:
另外,定义多维numpy数组或矩阵的更好方法是:
a = np.array([range(11,17), range(21,27), range(31, 37), range(41,47)])
多亏了其中一条注释,您实际上可以使用np.arange()
代替range()
来加快计算速度
矩阵:
<2>当2D阵列工作时,用矩阵代替。在对矩阵执行操作时,矩阵保持其多维性质,也可以对其使用特殊的矩阵操作。阅读它们的工作原理也类似于阵列:
a = np.matrix([range(11,17), range(21,27), range(31, 37), range(41,47)])
供您参考的一个有点相关的线程是。您基本上想要访问多个列,您可以通过以下方式实现:
a[:, changeIndex] = 0
记住:
第一个索引选择行,而第二个索引选择列
可以使用列表或元组选择多个索引
更好的风格:
另外,定义多维numpy数组或矩阵的更好方法是:
a = np.array([range(11,17), range(21,27), range(31, 37), range(41,47)])
多亏了其中一条注释,您实际上可以使用np.arange()
代替range()
来加快计算速度
矩阵:
<2>当2D阵列工作时,用矩阵代替。在对矩阵执行操作时,矩阵保持其多维性质,也可以对其使用特殊的矩阵操作。阅读它们的工作原理也类似于阵列:
a = np.matrix([range(11,17), range(21,27), range(31, 37), range(41,47)])
供您参考的一个有点相关的线程是。我假设您不想使用“for”循环来迭代所有行。对于numpy,你不必走那条路
你可以用
a[:, changeIndex] = 0
使用numpy,changeIndex可以是整数(仅更改一列)或changeIndex可以是列表(允许您更改多个列)。我假设您不想使用“for”循环来迭代所有行。对于numpy,你不必走那条路
你可以用
a[:, changeIndex] = 0
使用numpy,changeIndex可以是一个整数(只更改一列)或changeIndex可以是一个列表(允许您更改多列)。使用np.arange
在这种情况下甚至比range
小2倍。使用np.vstack(…)
或类似方法总是比np.array快([…])
(在我现在的测试中是9x)使用np.arange
在这种情况下甚至比range
小2倍。并且使用np.vstack((…)
或类似的方法总是比np.array([…])
(在我现在的测试中是9x)