Numpy中的數組整體處理賦值操作一直讓我有點迷糊，很多時候理解的不深入。今天單獨列寫相關的知識點，進行總結一下。

先看兩個代碼片小例子：

例子1：

In [2]: arr =np.empty((8,4)) In [3]: arrOut[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]: arrOut[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.]])

例子2：

In [6]: arr1 =np.empty(2)In [8]: arr1Out[8]:array([ 7.74860419e-304,  7.74860419e-304]) In [9]: arr1 = 0 In [10]: arr1Out[10]: 0

這兩段看上去似乎出現了行為不一致，其實利用一般面向對象的標簽理解模型還是能夠理解的。

例子1中，加上了索引之后的標簽其實指代的就是具體的存儲區，而例子2中，直接使用了一個標簽而已。那么這樣如何實現對一個一維數組的全體賦值呢？其實只需要進行全部元素的索引即可，

具體方法實現如下：

In [11]: arr1 =np.empty(2) In [12]: arr1Out[12]: array([0., 0.]) In [13]: arr1[:]Out[13]: array([0., 0.]) In [14]: arr1[:] =0 In [15]: arr1Out[15]: array([0., 0.])

看起來似乎蠻簡單，但是不做一下稍微深入一點的分析，理解起來確實是還有一點點難度。

以上這篇對numpy中數組元素的統一賦值實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。