初始化多个Numpy数组（多个赋值）-如MATLAB deal（）

Question

我找不到任何描述如何做到这一点的东西，这导致我认为我没有以正确的惯用Python方式做到这一点。我们也希望您能提供一些关于“正确的”Python方法的建议。

我有一堆变量用于我正在编写的数据记录器（任意日志长度，已知最大长度）。在MATLAB中，我将它们初始化为长度为n的一维零数组，n大于我看到的条目数，在日志循环中分配每个单独的元素variable(measurement_no) = data_point，并在测量结束时修剪掉多余的零。初始化如下：

[dData gData cTotalEnergy cResFinal etc] = deal(zeros(n,1));

有没有办法在Python/NumPy中这样做，这样我就不必把每个变量放在自己的行上：

dData = np.zeros(n)
gData = np.zeros(n)
etc.

我也希望不只是做一个大矩阵，因为跟踪哪个列是哪个变量是不愉快的。或许解决方案是生成(length x numvars)矩阵，并将列切片分配给各个变量？

编辑：假设在结束时，我将拥有许多相同长度的向量；例如，我的后处理将获取每个日志文件，计算一组单独的度量（>；50），存储它们，然后重复，直到所有日志都被处理完。然后，我为我计算的所有不同度量生成直方图、means/maxes/sigmas/etc。既然在Python中初始化50+向量显然不容易，那么最好的（最干净的代码和良好的性能）方法是什么？

Answer 1

如果将数据放在collections.defaultdict中，则不需要执行任何显式初始化。所有内容将在第一次使用时初始化。

import numpy as np
import collections
n = 100
data = collections.defaultdict(lambda: np.zeros(n))
for i in range(1, n):
    data['g'][i] = data['d'][i - 1]
    # ...