正如标题所说，我想将所有列的值更改为相同的数组，除了 numpy 之外不使用任何外部库，也不使用 for、while 或类似的东西，因为我正在寻找的是效率。
我认为我可以使用切片来解决这个问题，因为你可以对行做到这一点。
# Initial matrix
a= [[0,0,0],
[0,0,0],
[0,0,0]]
# Wanted array to replace all columns with
b = [1,2,3]
# Matrix after replacement
a= [[1,1,1],
[2,2,2],
[3,3,3]]
这就是我想要的输出，但由于某种原因我还不能实现它，因为我想以一种简单的方式来实现它。我该怎么做？提前致谢。
【问题讨论】：
标签： python arrays python-3.x slice
创建新矩阵比实际“就地”替换列更简单。 我假设你的矩阵是正方形的。
length = len(b)
a = [ [b[i]] * length for i in range(length) ]
结果
[[1, 1, 1], [2, 2, 2], [3, 3, 3]]
现在，根据相关评论者的多次请求，我为矩形 A 添加了一个解决方案：
length = len(b)
width = len(a[0])
a = [ [b[i]] * width for i in range(length) ]
或者，更pythonic的风格
width = len(a[0])
a = [ [x] * width for x in b ]
【讨论】：
a= [[0], [0], [0]] b = [1,2,3] 将失败。 b 的长度告诉你a 的高度，而不是a 的width。在这种情况下，您永远无法从 b 中猜出 width
使用列表推导的简单解决方案：
a = [ [x]*len(row) for row, x in zip(a, b) ]
这会创建一个新矩阵，而不是就地改变矩阵。如果你想就地改变它，你需要一个嵌套循环：
for row, x in zip(a, b):
for i in range(len(row)):
row[i] = x
【讨论】：
a= [[0,0,0],
[0,0,0],
[0,0,0]]
b = [1,2,3]
for i, value in enumerate(b):
a[i] = [value]*len(a[i])
print(a)
输出：
[[1, 1, 1], [2, 2, 2], [3, 3, 3]]
【讨论】：
a，但这样做是通过创建新行而不是就地更新行来实现的。如果其他代码持有对其中一行的引用，这可能会导致一些非常微妙的错误，该行（因为它没有就地更新）将保持全零。我认为您应该就地更新所有内容，或者创建一个新矩阵而不改变旧矩阵；将两者混合使用可能没有那么有用。
a，那么我们定义a_alias = a和a_row_alias = a[0]。更新a 时，更新应该是“就地”，这意味着a_alias 和a_row_alias 的内容也会发生变化，因为它们只是更新数据的别名，或更新应该是“不合适的”，在这种情况下，a_alias 和 a_row_alias 仍然引用带有零的旧矩阵。当您的代码运行时，a_alias 现在包含来自 b 的值，但a_row_alias 仍然有零；这将是令人惊讶的，并且可能是错误的来源。
您的列表无效，所以我假设您的意思是 3 个列表的列表
a = [
[0, 0, 0],
[0, 0, 0],
[0, 0, 0],
]
b = [1, 2, 3]
for counter, value in enumerate(b):
a[counter] = [value for i in a[counter]]
print(a)
enumerate 免费为您提供计数器。
注意如果 b 中的元素比 a 多，这会抛出 index out of range 错误，所以如果你不确定，在替换之前检查长度。
【讨论】：
[value]*length 语法。
a，但这样做是通过创建新行而不是就地更新行来实现的。如果其他代码持有对其中一行的引用，这可能会导致一些非常微妙的错误，该行（因为它没有就地更新）将保持全零。我认为您应该就地更新所有内容，或者创建一个新矩阵而不改变旧矩阵；将两者混合使用可能没有那么有用。
很高兴为这个问题获得更多背景信息，因为目前几乎没有什么可以解决的。例如，您对数组a 和b 有多少控制权？甚至可能一开始就不需要此操作。
目前，当数组与您的示例中的数组相似时，这是一个可行的解决方案。
import numpy as np
arr_1 = np.array([1, 2, 3])
arr_1_col = arr_1.reshape((-1, 1))
arr_2 = np.tile(A=arr_1_col, reps=3)
注意：你在你的问题中提到了 NumPy，我不能推荐它。一旦你在做这些类型的任务，切换到 numpy 数组是非常有益的。
【讨论】：