Question

是否有一种简单的方法来清除numpy数组的所有元素？我试过了：

del arrayname

这将完全删除数组。我在for循环中使用这个数组，迭代数千次，所以我更喜欢保留数组，但每次都用新元素填充它。

我尝试过numpy.delete，但是根据我的要求，我没有看到使用子阵列规范。

* 被修改 *：

数组大小不将是相同的。

我在开头的循环内分配空格，如下所示。如果这是一个错误的方法，请纠正我：

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

我读取数据集并为数据集中的每个元组构造此数组。我所知道的是列数将是相同的但不是行数。例如，我第一次需要一个大小为（3,6）的数组，下一个元组为（1,6），下一个为（4,6），依此类推。我填充数组的方式如下：

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

换句话说，列是从元组构造的列表中填充的。因此，在下一个循环开始之前，我想清除它的元素并为连续循环做好准备，因为我不希望前一个循环中的残余混合当前内容。

Answer 1

我不清楚你的意思是清楚，数组总会有一些值存储在其中，但你可以将这些值设置为某些值，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，你的问题非常清楚。你写出一个好问题的努力越多，你得到的答案就越好。一个好问题应该让我们清楚你要做什么以及为什么做。此外，示例数据非常有用，只是少量，因此我们可以准确地看到您正在尝试做的事情。

话虽如此。看起来你应该为每次迭代创建一个新数组。创建数组的速度非常快，当大小和内容需要更改时，为什么要重用数组并不清楚。如果您出于性能原因尝试重用它，则可能不会发现任何可测量的差异，调整数组大小并不比创建新数组快得多。您可以通过调用numpy.zeros((X, 6))

来创建新阵列

同样在你的问题中你说：

列是从元组
构造的列表中填充的

如果您的数据已作为元组列表存放，则使用numpy.array将其转换为数组。你不需要去创建一个数组并填充它。例如，如果我想从元组列表中获取（2,3）数组，我会这样做：

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

希望有所帮助。

Answer 2

随着手指的摇摆可能过早优化，我会提出一些想法：

你说你不希望从之前的迭代中留下任何遗留物。从您的代码中可以看出，您为每个已知数量的列逐列填充每个新元素。 “遗留”值似乎不是问题。考虑：

使用范围和重塑没有任何意义。使用np.empty((n,6))。比头发更快ones或zeros。
您也可以从成分构建新阵列

请参阅：

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，如果你真的真的关心速度，你可以分配最大的预期大小（如果不知道你可以检查请求的大小与最后一个大小，如果它更大，那么使用np.empty((rows,cols))来增加大小。

然后在每次迭代时，您创建一个更大矩阵的视图，只需要您想要的行数。这将导致numpy重用相同的缓冲区空间，而不需要在每次迭代时进行任何分配。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]])

注意这些建议适合您的扩展问题并且不符合您之前关于“清除”数组的问题。即使在后一个示例中，您也可以轻松地说smaller.fill(0)来消除问题，具体取决于您是否可以在迭代中可靠地重新分配数组的所有元素。

Answer 3

如果要保持分配的数组，并且具有相同的大小，则无需清除元素。只需跟踪您的位置，并覆盖数组中的值。这是最有效的方法。

Answer 4

我只是开始将新值放入数组中。

但如果您坚持要清除阵列，请尝试使用zeros或empty制作相同尺寸的新阵列。

>>> 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.]])

清除numpy数组的元素

4 个答案: