本文實例講述了python關于矩陣重復賦值覆蓋問題的解決方法。分享給大家供大家參考，具體如下：
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]))
例如這個循環賦值過程，最終得出來的結果是bands_info這個List里面每一個矩陣都是一樣的，這是為什么呢？我一開始也在這里糾結了很長時間，思來想去感覺沒錯的呀。后來想想以前學的C語言知識，才有點明白。原來python里面有淺層copy和深層copy這一說，同是一個矩陣的話占用的是同一個地址，在里面進行重復賦值的話前面的值都會被覆蓋掉。不只是當前變量被覆蓋掉，就是你之后用到這個變量的也會被覆蓋。比如說你a的變量被b覆蓋了，那你后面用到a的變量的地方，a的值也會變成b的值。是不是很可怕。
那么應該怎么進行修改呢？
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]))
改成這樣就可以了。就是將初始矩陣在循環里在重新設定一遍，意思相當就是給了一次新的地址，再進行復制的話就不會覆蓋前面的結果了。
更多關于Python相關內容感興趣的讀者可查看本站專題：《Python數學運算技巧總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python字符串操作技巧匯總》及《Python入門與進階經典教程》
希望本文所述對大家Python程序設計有所幫助。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
