宜配屋

python关于矩阵重复赋值覆盖问题的解决方法

yipeiwu_com5年前 (2020-03-06)Python基础

本文实例讲述了python关于矩阵重复赋值覆盖问题的解决方法。分享给大家供大家参考，具体如下：

import itertools
import numpy as np
comb = list(itertools.combinations(list(range(regions)), 2))
bands_info = []
coeff = np.zeros([bands, len(comb)])
for cla in range(classes):
  class_info = data[:,cla*bands*regions:(cla+1)*bands*regions]
  for bs in range(bands):
    n = bs*regions
    for i in range(len(comb)):
      index1 = comb[i][0]+n
      index2 = comb[i][1]+n
      part1 = class_info[:, index1]
      part2 = class_info[:, index2]
      coeff[bs, i] = (np.corrcoef(part1, part2))[0, 1]
  bands_info.append(coeff.reshape([1,-1]))
coeff_info = np.vstack((bands_info[0], bands_info[1], bands_info[2],bands_info[3]))

例如这个循环赋值过程，最终得出来的结果是bands_info这个List里面每一个矩阵都是一样的，这是为什么呢？我一开始也在这里纠结了很长时间，思来想去感觉没错的呀。后来想想以前学的C语言知识，才有点明白。原来python里面有浅层copy和深层copy这一说，同是一个矩阵的话占用的是同一个地址，在里面进行重复赋值的话前面的值都会被覆盖掉。不只是当前变量被覆盖掉，就是你之后用到这个变量的也会被覆盖。比如说你a的变量被b覆盖了，那你后面用到a的变量的地方，a的值也会变成b的值。是不是很可怕。

那么应该怎么进行修改呢？

import itertools
import numpy as np
comb = list(itertools.combinations(list(range(regions)), 2))
bands_info = []
for cla in range(classes):
  coeff = np.zeros([bands, len(comb)])
  class_info = data[:,cla*bands*regions:(cla+1)*bands*regions]
  for bs in range(bands):
    n = bs*regions
    for i in range(len(comb)):
      index1 = comb[i][0]+n
      index2 = comb[i][1]+n
      part1 = class_info[:, index1]
      part2 = class_info[:, index2]
      coeff[bs, i] = (np.corrcoef(part1, part2))[0, 1]
  bands_info.append(coeff.reshape([1,-1]))
coeff_info = np.vstack((bands_info[0], bands_info[1], bands_info[2],bands_info[3]))

改成这样就可以了。就是将初始矩阵在循环里在重新设定一遍，意思相当就是给了一次新的地址，再进行复制的话就不会覆盖前面的结果了。

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。