初始化多个Numpy数组（多个赋值）-像MATLAB处理（）

Question

我找不到任何描述如何做到这一点的内容，这让我相信我没有以正确的惯用Python方式来做这件事。关于“正确的”Python方法的建议也将不胜感激。

我为正在编写的数据记录器提供了一系列变量（任意记录长度，具有已知的最大长度）。在MATLAB中，我将它们全部初始化为长度为n的一维零数组，n大于我所看到的条目数，在日志循环中分配每个单独的元素变量（measurement_no）=data_point，并在测量结束时修剪多余的零。初始化过程如下所示：

[dData gData cTotalEnergy cResFinal etc] = deal(zeros(n,1));

有没有一种方法可以在Python/NumPy中做到这一点，这样我就不必把每个变量放在自己的行上：

dData = np.zeros(n)
gData = np.zeros(n)
etc.

我也不想只做一个大矩阵，因为跟踪哪一列是哪一个变量是令人不快的。也许解决方案是制作（长度x numvars）矩阵，并将列切片分配给各个变量？

编辑：假设我将有很多相同长度的向量，当这一切结束时；e、 例如，我的后处理会获取每个日志文件，计算一系列单独的指标(

Answer 1

如果您将数据放入集合中。defaultdict不需要进行任何显式初始化。第一次使用时，所有内容都将被初始化。

import numpy as np
import collections
n = 100
data = collections.defaultdict(lambda: np.zeros(n))
for i in range(1, n):
    data['g'][i] = data['d'][i - 1]
    # ...

Answer 2

没有任何错误或不符合Pythonic的

dData = np.zeros(n)
gData = np.zeros(n)
etc.

你可以把它们放在一行，但是没有特别的理由这样做。

dData, gData = np.zeros(n), np.zeros(n)

不要尝试dData=gData=np。零（n），因为对dData的更改会更改gData（它们指向同一个对象）。出于同样的原因，您通常不想使用x=y=[]。

MATLAB中的deal是一种方便，但并不神奇。以下是八度音阶是如何实现的

function [varargout] = deal (varargin)
  if (nargin == 0)
    print_usage ();
  elseif (nargin == 1 || nargin == nargout)
    varargout(1:nargout) = varargin;
  else
    error ("deal: nargin > 1 and nargin != nargout");
  endif

endfunction

与Python不同的是，八度音阶（大概是MATLAB）

one=two=three=zeros(1,3)

为3个变量分配不同的对象。

还请注意MATLAB如何将处理作为分配单元格和结构数组内容的一种方式。http://www.mathworks.com/company/newsletters/articles/whats-the-big-deal.html

Answer 3

如果你真的有动力用一行代码来做这件事，你可以创建一个（n_vars，...）零数组，然后沿着第一个维度解压它：

a, b, c = np.zeros((3, 5))
print(a is b)
# False

另一个选项是使用列表理解或生成器表达式：

a, b, c = [np.zeros(5) for _ in range(3)]   # list comprehension
d, e, f = (np.zeros(5) for _ in range(3))   # generator expression
print(a is b, d is e)
# False False

不过要小心！您可能会认为，在包含对np的调用的列表或元组上使用*运算符。zeros（）可以实现同样的效果，但它不能：

h, i, j = (np.zeros(5),) * 3
print(h is i)
# True

这是因为元组中的表达式首先求值<代码>np。因此，0（5）只被调用一次，重复元组中的每个元素最终都是对同一数组的引用。这就是为什么不能只使用a=b=c=np的原因。零（5）。

除非你真的需要分配大量的空数组变量，并且你真的非常关心代码的紧凑性（！），为了便于阅读，我建议在单独的行中对它们进行初始化。