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。
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
P70系列延期，华为新旗舰将在下月发布
3月20日消息，近期博主@数码闲聊站 透露，原定三月份发布的华为新旗舰P70系列延期发布，预计4月份上市。
而博主@定焦数码 爆料，华为的P70系列在定位上已经超过了Mate60，成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢？
根据目前爆料的消息来看，华为P70系列将推出三个版本，其中P70和P70 Pro采用了三角形的摄像头模组设计，而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智，但辨识度绝对拉满。