我有以下代码:
r = numpy.zeros(shape = (width, height, 9))
它创建了一个width x height x 9的矩阵，其中填充了0.相反，我想知道是否有一个函数或方法可以简单地将它们初始化为NaNs.
我有以下代码:
r = numpy.zeros(shape = (width, height, 9))
它创建了一个width x height x 9的矩阵，其中填充了0.相反，我想知道是否有一个函数或方法可以简单地将它们初始化为NaNs.
在Numpy中，向量操作很少需要循环. 您可以创建一个未初始化的数组并一次分配给所有条目:
>>> a = numpy.empty((3,3,))
>>> a[:] = numpy.nan
>>> a
array([[ NaN, NaN, NaN],
[ NaN, NaN, NaN],
[ NaN, NaN, NaN]])
我已经在这里对备选方案a[:] = numpy.nan和Blaenk发布的a.fill(numpy.nan)进行了计时:
$ python -mtimeit "import numpy as np; a = np.empty((100,100));" "a.fill(np.nan)"
10000 loops, best of 3: 54.3 usec per loop
$ python -mtimeit "import numpy as np; a = np.empty((100,100));" "a[:] = np.nan"
10000 loops, best of 3: 88.8 usec per loop
计时显示更倾向于 Select ndarray.fill(..)作为更快的替代方案.OTOH，我喜欢Numpy的方便实现，可以同时为整个切片赋值，代码的意图非常明确.
请注意，ndarray.fill在适当的位置执行其操作，因此numpy.empty((3,3,)).fill(numpy.nan)将返回None.