更改 np 数组中的每个值 - Python

NumPy是一个用于科学计算的Python库。它提供了一个强大的数组对象，可以处理任意维度的数组，并提供了许多用于对数组进行计算的函数。本文将重点介绍如何更改NumPy数组中的每个值。

更改单个值

更改数组中的单个值非常简单。首先，我们需要使用numpy.array函数创建一个示例数组。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

现在，我们可以通过指定数组中值的索引来访问和修改该值。

arr[0] = 6
print(arr)

输出结果为：

[6 2 3 4 5]

在上面的示例中，我们将数组的第一个元素更改为6。同样，我们可以根据需要更改其他元素。

更改所有值

有时，我们需要对整个数组中的所有值进行更改。为此，我们可以使用NumPy的两个函数：np.ndarray.flatten和np.ndarray.reshape。

使用flatten函数

首先，我们可以使用np.ndarray.flatten函数将多维数组压缩为一维数组。例如，以下示例演示如何使用flatten函数。

arr = np.array([[1, 2], [3, 4], [5, 6]])
print(arr)

flat_arr = arr.flatten()
print(flat_arr)

输出结果为：

[[1 2]
 [3 4]
 [5 6]]
 
[1 2 3 4 5 6]

在上面的示例中，我们使用flatten函数将二维数组压缩为一维数组。现在，我们可以通过修改一维数组中的值来更改整个数组。

flat_arr[0] = 7
print(flat_arr)

arr = flat_arr.reshape(3, 2)
print(arr)

输出结果为：

[7 2 3 4 5 6]

[[7 2]
 [3 4]
 [5 6]]

在上面的示例中，我们使用flatten函数将二维数组压缩为一维数组，然后将第一个元素更改为7。然后，我们使用np.ndarray.reshape函数将一维数组重新形状为原始二维数组。

使用reshape函数

我们也可以直接使用np.ndarray.reshape函数来更改原始数组的形状。例如，以下示例演示了如何使用reshape函数。

arr = np.array([[1, 2], [3, 4], [5, 6]])
print(arr)

new_arr = arr.reshape(2, 3)
print(new_arr)

输出结果为：

[[1 2]
 [3 4]
 [5 6]]
 
[[1 2 3]
 [4 5 6]]

在上面的示例中，我们使用np.ndarray.reshape函数将原始二维数组转换为具有不同形状的新数组。现在，我们可以通过修改新数组中的值来更改整个数组。

new_arr[0][0] = 7
print(new_arr)

arr = new_arr.reshape(3, 2)
print(arr)

输出结果为：

[[7 2 3]
 [4 5 6]]
 
[[7 2]
 [3 4]
 [5 6]]

在上面的示例中，我们使用np.ndarray.reshape函数将原始二维数组转换为具有不同形状的新数组，然后将第一个元素更改为7。然后，我们使用np.ndarray.reshape函数将新数组重新形状为原始二维数组。

结论

在本文中，我们介绍了如何使用NumPy更改数组中的每个值。我们可以通过指定索引来更改单个值，或者通过使用np.ndarray.flatten和np.ndarray.reshape函数来更改整个数组的所有值。这些技术特别适用于大型数组中的数据处理和分析。