Numpy初始化多个数组（多重赋值）- 类似于MATLAB的deal（）函数

在本文中，我们将介绍NumPy的一种高级特性，这种特性使得多个数组可以同时初始化，意味着您可以快速、方便地赋值多个数组，并且代码更简洁。

在Python的列表和元组中，您可以使用多重赋值来同时初始化多个变量，例如：

a, b, c = 1, 2, 3   # a=1, b=2, c=3

但是，在NumPy中，您将获得一种更为强大的多重赋值方法，您可以像在MATLAB中使用deal()函数一样对多个数组进行初始化。

对于NumPy数组，您可以在左侧提供多个数组名称或索引值，并在右侧提供一个数组或多个数组作为参数。

下面是一个示例：

import numpy as np

a, b, c = np.zeros((3, 2))

使用此代码，您将得到以下结果:

a = array([[ 0.,  0.],
           [ 0.,  0.]])
b = array([[ 0.,  0.],
           [ 0.,  0.]])
c = array([[ 0.,  0.],
           [ 0.,  0.]])

在这个例子中，我们使用了 np.zeros() 函数来创建一个 3×2 的全零数组，并使用了多重赋值来将其赋值给 a、b、c 三个数组。这使得代码简洁易懂。

让我们再来看看另一个示例。

import numpy as np

a, b, c = np.ones((3, 2)), np.full((3, 2), 2), np.random.rand(3, 2)

在这个示例中，我们使用了三个不同的函数来创建数组。np.ones() 函数创建了一个 3×2 的全一数组，np.full() 函数创建了一个填充为 2 的 3×2 数组，而 np.random.rand() 函数使用了随机值创建了一个 3×2 的数组。

使用多重赋值，我们将这些数组分别赋值给了 a、b、c 三个数组。

下面是最终结果：

a = array([[ 1.,  1.],
           [ 1.,  1.],
           [ 1.,  1.]])
b = array([[ 2.,  2.],
           [ 2.,  2.],
           [ 2.,  2.]])
c = array([[ 0.78496737,  0.1951744 ],
           [ 0.5242287 ,  0.22312432],
           [ 0.54796948,  0.3932351 ]])

如您所见，我们使用了三个不同函数来创建三个不同的数组，并通过多重赋值分别赋值到了 a、b、c 三个数组中。

当然，您也可以基于先前创建的一个数组使用多重赋值来创建多个新数组。

如下所示：

import numpy as np

x = np.ones((3, 2))
a, b, c = x, 2 * x, 3 * x

如您所见，我们定义了一个 3×2 的全一数组，并将其作为变量 x。接下来，我们使用 x 来初始化了 a、b、c 三个数组。特别地，我们将 2 * x 和 3 * x 分别赋值给了 b 和 c 数组。

最终，a、b、c 三个数组的值如下所示：

a = array([[ 1.,  1.],
           [ 1.,  1.],
           [ 1.,  1.]])
b = array([[ 2.,  2.],
           [ 2.,  2.],
           [ 2.,  2.]])
c = array([[ 3.,  3.],
           [3.,  3.],
           [ 3.,  3.]])

通过这个例子，您可以看到多重赋值的灵活性。无论是在初始创建新数组，还是在基于已存在的数组上创建新数组，都可以使用多重赋值来快速，简洁地完成这个操作。

阅读更多：Numpy 教程