numpy：分配和索引为Matlab

您可以尝试numpy.ndarray.flat，它表示可用于读取和写入数组的迭代器。

>>> M = zeros((4,4))>>> M.flat[::5] = 1>>> print(M)array([[ 1.,  0.,  0.,  0.],       [ 0.,  1.,  0.,  0.],       [ 0.,  0.,  1.,  0.],       [ 0.,  0.,  0.,  1.]])

请注意，在numpy中，切片语法为[start：stop_exclusive：step]，而不是Matlab的语法（start：step：stop_inclusive）。

根据sebergs的评论，可能需要指出Matlab将矩阵存储在列主行中，而numpy数组默认是行主行。

>>> M = zeros((4,4))>>> M.flat[:4] = 1>>> print(M)array([[ 1.,  1.,  1.,  1.],       [ 0.,  0.,  0.,  0.],       [ 0.,  0.,  0.,  0.],       [ 0.,  0.,  0.,  0.]])

为了在扁平化的数组上获得类似于Matlab的索引，您将需要扁平化转置的数组：

>>> M = zeros((4,4))>>> M.T.flat[:4] = 1>>> print(M)array([[ 1.,  0.,  0.,  0.],       [ 1.,  0.,  0.,  0.],       [ 1.,  0.,  0.,  0.],       [ 1.,  0.,  0.,  0.]])