有没有更好的方法为 numpy 数组标量分配新值？

我正在对 numpy 数组中的标量值进行一些快速计算。正如它在文档 https://docs.scipy.org/doc/numpy-1.13.0/user/basics.types.html#array-scalars,

使用数组标量的主要优点是它们保留了 数组类型（Python 可能没有可用的匹配标量类型，例如 整数16)...

但是，是否有比这更好（更快、更简洁）的方法为现有数组标量分配新值：

>>> x = np.array(2.0, dtype='float32')

它可以工作，但不太方便（我正在做其他算术，并希望始终保留类型）。

由于明显的原因，这不起作用：

>>> x = np.array(1.0, dtype='float32')
>>> print(x, type(x))
1.0 <class 'numpy.ndarray'>
>>> x = 2.0
>>> print(x, type(x))
2.0 <class 'float'>

这也不：

>>> x = np.array(1.0, dtype='float32')
>>> x[] = 2.0
  File "<ipython-input-319-7f36071ff81d>", line 2
    x[] = 2.0
      ^
SyntaxError: invalid syntax

也不是这个：

>>> x = np.array(1.0, dtype='float32')
>>> x[:] = 2.0
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-24-62cd4ca238ce> in <module>()
      1 x = np.array(1.0, dtype='float32')
----> 2 x[:] = 2.0

IndexError: too many indices for array

UPDATE:

根据下面的评论（谢谢），我现在意识到我实际上并没有使用数组标量。x是一个零维数组。

以下是创建数组标量的方法：

>>> a = np.array((1.0, 2.0, 3.0), dtype='float32')
>>> x = a[0]
>>> print(x, type(x))
1.0 <class 'numpy.float32'>

或者简单地：

>>> x = np.float32(1.0)
>>> print(x, type(x))
1.0 <class 'numpy.float32'>

0d 数组可以修改，但是array scalar cannot:

In [199]: x = np.array(1.0, 'float32')
In [200]: x
Out[200]: array(1., dtype=float32)
In [201]: x.shape
Out[201]: ()
In [202]: x[...] = 2
In [203]: x
Out[203]: array(2., dtype=float32)
In [204]: x[()] =3
In [205]: x
Out[205]: array(3., dtype=float32)

你必须变异x，不将新对象分配给变量。

也就是说，我不明白为什么有人想要或需要这样做。

这个 0d 数组与array scalar:

In [207]: y = np.float32(1)
In [208]: y[...] = 2
....
TypeError: 'numpy.float32' object does not support item assignment

使用索引从数组中提取元素会产生array scalar:

In [210]: type(x[()])
Out[210]: numpy.float32

float32 对象具有许多数组属性，甚至方法，但并不完全相同：

In [211]: x.shape
Out[211]: ()
In [212]: y.shape
Out[212]: ()

可以使用与其形状相同大小的元组对数组进行索引。arr[1,2]是相同的arr[(1,2)]。形状为x is ()，所以只能用空元组来索引，x[()]。相似地arr[:,:]适用于二维数组，但不适用于一维数组。...意味着任意数量的切片，因此适用于x[...].

够了__getitem__已定义为np.generic类对象允许索引，例如[...] and [()]。但分配尚未定义。

查看类的类层次结构可能会很有用，例如np.ndarray, np.int_, np.float32, np.float, and np.int.

更完整的报价

从您的链接：https://docs.scipy.org/doc/numpy-1.13.0/user/basics.types.html#array-scalars https://docs.scipy.org/doc/numpy-1.13.0/user/basics.types.html#array-scalars

NumPy 通常将数组元素作为数组标量（具有关联数据类型的标量）返回。数组标量与 Python 标量不同，但在大多数情况下，它们可以互换使用（主要例外是早于 v2.x 的 Python 版本，其中整数数组标量不能充当列表和元组的索引）。有一些例外，例如当代码需要标量的非常特定的属性时，或者当它专门检查某个值是否是 Python 标量时。通常，通过使用相应的 Python 类型函数（例如 int、float、complex、str、unicode）将数组标量显式转换为 Python 标量，可以轻松解决问题。

使用数组标量的主要优点是它们保留数组类型（Python 可能没有可用的匹配标量类型，例如 int16）。因此，使用数组标量可以确保数组和标量之间具有相同的行为，无论该值是否位于数组内部。 NumPy 标量也有许多与数组相同的方法。

第 2 段是根据第 1 段的上下文编写的。它试图解释为什么数组的元素是returned as array scalars。因此arr[0,1]返回一个np.float32对象，而不是 Pythonfloat.

这并不是建议我们创建一个array scalar直接地。

我首先写了这个答案，掩盖了 0d 数组之间的区别，以及这句话的意思array scalars.