大佬教程收集整理的这篇文章主要介绍了如何有效地填充 numpy 二维数组？，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
我想创建一个大小为 (N_r * N_z) 的二维 numpy 数组。
跨列，应根据值 j 创建 1 个特定列（例如 r_thresh[j]）的元素。
因此，numpy 2D 数组中的 j 列总数中的 1 列（例如 N_z）被创建为：
(np.arange(N_r) + 0.5) * r_thresh[j] # this gives an array of size (1,N_r)
当然，列 j + 1 应创建为：
(np.arange(N_r) + 0.5) * r_thresh[j+1] # this gives an array of size (1,N_r)
r_thresh 是一个大小为 (1,N_z) 的 numpy 数组，在我想创建二维数组之前已经填充了值。
我想问你我如何更进一步并使用这个“规则”来创建 numpy 2D 数组的每个元素并实际创建整个数组，以最有效的方式（速度方面）。
我最初使用 2 个嵌套的 for 循环和简单的 Python 列表编写了所有代码，并且代码可以运行，但需要很长时间才能运行。
更有经验的程序员告诉我避免 for 循环并使用 numpy，因为它是最好的。
我现在了解如何使用 numpy np.arange() 指令创建一维数组，但我缺乏如何将其外推到二维的知识。
谢谢！
最简单的方法是使用 einsum。在 r_thresh 的形状为 (N_z,) 的情况下，您可以使用以下代码：
res = np.einsum("i,j->ij",np.arange(N_r) + 0.5,r_thresh)
此外，您可以将 np.arange(N_r) + 0.5 重塑为形状 (N_r,1)，将 r_thresh 重塑为形状 (1,N_z)。因此，您可以使用点积（对于 Python 版本 > 3.5）：
res = (np.arange(N_r) + 0.5).reshape(N_r,1) @ r_thresh.reshape(1,N_z)
或跟随hpaulj的评论：
res = (np.arange(N_r) + 0.5)[:,None] @ r_thresh[None,:]
EDIT1
hpaulj 的评论也很有帮助（我把它粘贴到我的答案中以便更好地查看）：
res = (np.arange(N_r) + 0.5)[:,None] * r_thresh
res = np.outer(np.arange(N_r) + 0.5,r_thresh)
补充
您也可以使用tensordot：
res = np.tensordot((np.arange(N_r) + 0.5)[:,None],r_thresh[:,axes=[[-1],[-1]])
以上是大佬教程为你收集整理的如何有效地填充 numpy 二维数组？全部内容，希望文章能够帮你解决如何有效地填充 numpy 二维数组？所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。