Answers:
numpy已经可以非常容易地创建全1或全0的数组:
例如numpy.ones((2, 2))
或numpy.zeros((2, 2))
由于True
和False
Python中被表示为1
和0
,分别,我们只有指定这个数组应该是布尔使用可选dtype
参数,我们正在这样做。
numpy.ones((2, 2), dtype=bool)
返回:
array([[ True, True],
[ True, True]], dtype=bool)
更新:2013年10月30日
从numpy 版本1.8开始,我们可以使用full
语法更清楚地表明我们意图的语法来达到相同的结果(如fmonegaglia指出):
numpy.full((2, 2), True, dtype=bool)
更新:2017年1月16日
因为至少numpy的1.12版,full
自动转换结果到了dtype
第二个参数,所以我们可以这样写:
numpy.full((2, 2), True)
a=np.ones((2,2))
其后a.dtype=bool
不起作用。
numpy.full((2,2), True, dtype=bool)
ones
和zeros
答案不构建一个整数数组。他们直接制造一系列布尔。
numpy.full((2,2), True)
等效的?
int 1
为bool True
。
ones
和和zeros
分别创建一个全为1和0的数组,它们带有一个可选dtype
参数:
>>> numpy.ones((2, 2), dtype=bool)
array([[ True, True],
[ True, True]], dtype=bool)
>>> numpy.zeros((2, 2), dtype=bool)
array([[False, False],
[False, False]], dtype=bool)
如果它不是可写的,则可以使用以下方法创建这样的数组np.broadcast_to
:
>>> import numpy as np
>>> np.broadcast_to(True, (2, 5))
array([[ True, True, True, True, True],
[ True, True, True, True, True]], dtype=bool)
如果需要可写,也可以fill
自己创建一个空数组:
>>> arr = np.empty((2, 5), dtype=bool)
>>> arr.fill(1)
>>> arr
array([[ True, True, True, True, True],
[ True, True, True, True, True]], dtype=bool)
这些方法只是替代建议。通常,您应该坚持np.full
,np.zeros
或者np.ones
像其他答案所建议的那样。
快速运行一个timeit,以查看np.full
和之间是否有任何差异np.ones
版本。
答:不可以
import timeit
n_array, n_test = 1000, 10000
setup = f"import numpy as np; n = {n_array};"
print(f"np.ones: {timeit.timeit('np.ones((n, n), dtype=bool)', number=n_test, setup=setup)}s")
print(f"np.full: {timeit.timeit('np.full((n, n), True)', number=n_test, setup=setup)}s")
结果:
np.ones: 0.38416870904620737s
np.full: 0.38430388597771525s
重要
关于帖子np.empty
(由于声誉太低,我无法评论):
不要那样做。请勿使用np.empty
初始化全True
数组
由于数组为空,因此不会写入内存,也无法保证您的值是多少,例如
>>> print(np.empty((4,4), dtype=bool))
[[ True True True True]
[ True True True True]
[ True True True True]
[ True True False False]]
>>> a = numpy.full((2,4), True, dtype=bool)
>>> a[1][3]
True
>>> a
array([[ True, True, True, True],
[ True, True, True, True]], dtype=bool)
numpy.full(大小,标量值,类型)。也可以传递其他参数,有关文档,请检查https://docs.scipy.org/doc/numpy/reference/produced/numpy.full.html