NumPy 数组初始化：用相同值填充的 2 种方法和性能比较

NumPy 数组初始化：用相同值填充

在数据处理和机器学习中，初始化 NumPy 数组以存储数据是一个常见任务。NumPy 提供了多种方法来初始化数组，包括用相同值填充。在这篇文章中，我们将探讨两种常用的方法：np.full() 和 np.empty() 与循环。

方法 1：使用 np.full()

np.full() 函数是一个方便的工具，用于创建填充有相同标量值的数组。它需要两个参数：

• shape：要创建的数组的形状
• fill_value：填充数组的标量值

下面是一个使用 np.full() 初始化长度为 10、每个元素都为 5 的数组的示例：

import numpy as np

n = 10
v = 5
array = np.full(n, v)

方法 2：使用 np.empty() 和循环

虽然 np.full() 很方便，但如果需要更灵活的初始化过程，np.empty() 和循环可以提供帮助。

np.empty() 函数创建了一个未初始化的数组，我们可以使用循环逐个元素地填充它。

import numpy as np

n = 10
array = np.empty(n)

for i in range(n):
    array[i] = v

性能比较

在大多数情况下，np.full() 比 np.empty() 和循环更有效。这是因为 np.full() 使用了优化的算法来快速填充数组。

其他注意事项

• np.full() 可用于创建具有不同数据类型的数组。例如，要创建长度为 10 的布尔数组，每个元素都为 True，可以使用：

array = np.full(n, True, dtype=bool)

• 如果 fill_value 为 None，np.full() 将用 np.nan 填充数组。

结论

在 NumPy 数组初始化中，np.full() 是一个方便且高效的选项。然而，np.empty() 和循环提供了更灵活的控制。根据特定需求选择合适的方法对于优化代码性能至关重要。

常见问题解答

1. 如何创建具有不同维度的数组？
   您可以通过在 np.full() 中提供一个元组作为 shape 参数来创建具有不同维度的数组。

2. 可以用多个值填充数组吗？
   否，np.full() 只能用一个标量值填充数组。

3. 可以使用 np.zeros() 代替 np.empty() 吗？
   可以，但 np.empty() 更快。

4. 如何检查数组是否被初始化？
   您可以使用 np.all(array) 来检查数组中的所有元素是否都已初始化。

5. 如何获得数组的元素数？
   您可以使用 array.size 获取数组中的元素数。