这次给大家带来怎么对numpy里数组元素赋统一的值，对numpy里数组元素赋统一值的注意事项有哪些，下面就是实战案例，一起来看一下。
Numpy中的数组整体处理赋值操作一直让我有点迷糊，很多时候理解的不深入。今天单独列写相关的知识点，进行总结一下。
先看两个代码片小例子：
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] = 1In [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.]])
登录后复制
例子2：
In [6]: arr1 =np.empty(2)In [8]: arr1Out[8]:array([ 7.74860419e-304, 7.74860419e-304])In [9]: arr1 = 0In [10]: arr1Out[10]: 0
登录后复制
这两段看上去似乎出现了行为不一致，其实利用一般面向对象的标签理解模型还是能够理解的。
例子1中，加上了索引之后的标签其实指代的就是具体的存储区，而例子2中，直接使用了一个标签而已。那么这样如何实现对一个一维数组的全体赋值呢？其实只需要进行全部元素的索引即可，
具体方法实现如下：
In [11]: arr1 =np.empty(2)In [12]: arr1Out[12]: array([0., 0.])In [13]: arr1[:]Out[13]: array([0., 0.])In [14]: arr1[:] =0In [15]: arr1Out[15]: array([0., 0.])
登录后复制
看起来似乎蛮简单，但是不做一下稍微深入一点的分析，理解起来确实是还有一点点难度。
相信看了本文案例你已经掌握了方法，更多精彩请关注【创想鸟】其它相关文章！
推荐阅读：
Python Numpy如何操作数组和矩阵
Python的numpy数组怎么合并
以上就是怎么对numpy里数组元素赋统一的值的详细内容，更多请关注【创想鸟】其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：PHP中文网，转转请注明出处：https://www.chuangxiangniao.com/p/2264403.html
