清除numpy數組的元素

Question

有沒有一種簡單的方法可以清除numpy數組的所有元素？ 我試過了：

del arrayname

這將完全刪除陣列。 我在for循環中使用這個數組，迭代數千次，所以我更喜歡保留數組，但每次都用新元素填充它。

我試過numpy.delete，但是根據我的要求，我沒有看到使用子陣列規范。

*已編輯 *：

數組大小不會相同。

我在開頭的循環內部分配空間，如下所示。 如果這是一個錯誤的方法，請糾正我：

arrname = arange(x*6).reshape(x,6)

我讀取數據集並為數據集中的每個元組構造此數組。 我所知道的是列數將是相同的但不是行數。 例如，我第一次需要一個大小為（3,6）的數組，下一個元組為（1,6），下一個為（4,6），依此類推。 我填充數組的方式如下：

arrname[:,0] = lstname1
arrname[:,1] = lstname2
...

換句話說，列是從元組構造的列表中填充的。 因此，在下一個循環開始之前，我想清除它的元素並為連續循環做好准備，因為我不希望前一個循環中的殘余混合當前內容。

Answer 1

我不清楚你的意思是清楚，數組總會有一些值存儲在其中，但你可以將這些值設置為某些值，例如：

>>> A = numpy.array([[1, 2], [3, 4], [5, 6]], dtype=numpy.float)
>>> A
array([[ 1.,  2.],
       [ 3.,  4.],
       [ 5.,  6.]])

>>> A.fill(0)
>>> A
array([[ 0.,  0.],
       [ 0.,  0.],
       [ 0.,  0.]])

>>> A[:] = 1.
>>> A
array([[ 1.,  1.],
       [ 1.,  1.],
       [ 1.,  1.]])

更新

首先，你的問題很不清楚。 你寫出一個好問題的努力越多，你得到的答案就越好。 一個好問題應該讓我們清楚你要做什么以及為什么做。 此外，示例數據非常有用，只是一小部分，因此我們可以准確地看到您正在嘗試做什么。

話雖如此。 看起來你應該為每次迭代創建一個新數組。 創建數組的速度非常快，當大小和內容需要更改時，為什么要重用數組並不清楚。 如果您出於性能原因嘗試重用它，則可能不會發現任何可測量的差異，調整數組大小並不比創建新數組快得多。 您可以通過調用numpy.zeros((X, 6))來創建一個新數組

也在你的問題中你說：

從元組構造的列表中填充列

如果您的數據已經作為元組列表存放，則使用numpy.array將其轉換為數組。 你不需要去創建一個數組並填充它。 例如，如果我想從元組列表中獲取（2,3）數組，我會這樣做：

data = [(0, 0, 1), (0, 0, 2)]
A = numpy.array(data)

# or if the data is stored like this
data = [(0, 0), (0, 0), (1, 2)]
A = numpy.array(data).T

希望有所幫助。

Answer 2

隨着手指的搖擺可能過早優化，我會提出一些想法：

你說你不希望從之前的迭代遺留下來的任何遺留物。 從您的代碼中可以看出，您為每個已知數量的列逐列填充每個新元素。 “遺留”值似乎不是問題。 考慮：

• 使用arange和reshape沒有任何意義。 使用np.empty((n,6)) 。 速度比ones或zeros由頭發。

• 你也可以從成分中構建你的新數組

看到：

lstname1 = np.arange(3)
lstname2 = 22*np.arange(3)
np.vstack((lstname1,lstname2)).T
# returns
array([[ 0,  0],
       [ 1, 22],
       [ 2, 44]])
#or
np.hstack((lstname1[:,np.newaxis],lstname2[:,np.newaxis]))
array([[ 0,  0],
       [ 1, 22],
       [ 2, 44]])

最后，如果你真的真的關心速度，你可以分配最大的預期大小（如果不知道你可以檢查請求的大小與最后一個最大，如果它更大，那么使用np.empty((rows,cols))增加大小。

然后在每次迭代時，您創建一個更大矩陣的視圖，只需要您想要的行數。 這將導致numpy重用相同的緩沖區空間，而不需要在每次迭代時進行任何分配。 注意：

In [36]: big = np.vstack((lstname1,lstname2)).T

In [37]: smaller = big[:2]

In [38]: smaller[:,1]=33

In [39]: smaller
Out[39]: 
array([[ 0, 33],
       [ 1, 33]])
In [40]: big
Out[40]: 
array([[ 0, 33],
       [ 1, 33],
       [ 2, 44]])

注意這些建議適合您的擴展問題，並且不適合您之前關於“清除”數組的問題。 即使在后一個示例中，您也可以輕松地說smaller.fill(0)來消除關注點，具體取決於您是否可以在迭代中可靠地重新分配數組的所有元素。

Answer 3

如果要保持分配的數組，並且具有相同的大小，則無需清除元素。 只需跟蹤您的位置，並覆蓋數組中的值。 這是最有效的方法。

Answer 4

我只是開始將新值放入數組中。

但是如果你堅持清除陣列，嘗試使用零或空來制作相同大小的新陣列。

>>> A = numpy.array([[1, 2], [3, 4], [5, 6]])
>>> A
array([[1, 2],
       [3, 4],
       [5, 6]])

>>> A = numpy.zeros(A.shape)
>>> A
array([[ 0.,  0.],
       [ 0.,  0.],
       [ 0.,  0.]])