您可以使用numpy。瓷砖，例如:

v = 7
rows = 3
cols = 5
a = numpy.tile(v, (rows,cols))
a
Out[1]: 
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

尽管tile是为了“平铺”一个数组(而不是在这种情况下的标量)，它将完成工作，创建任何大小和维度的预填充数组。

我相信填充是最快的方法。

a = np.empty(10)
a.fill(7)

您还应该始终避免像您在示例中所做的那样进行迭代。简单的A [:] = v将完成使用numpy广播所做的迭代。

您可以使用numpy。瓷砖，例如:

v = 7
rows = 3
cols = 5
a = numpy.tile(v, (rows,cols))
a
Out[1]: 
array([[7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7],
       [7, 7, 7, 7, 7]])

尽管tile是为了“平铺”一个数组(而不是在这种情况下的标量)，它将完成工作，创建任何大小和维度的预填充数组。

我们也可以写成

v=7
n=5
a=np.linspace(v,v,n)

你也可以使用np.broadcast_to。

要创建一个形状(维度)为s，值为v的数组，你可以这样做(在你的例子中，数组是1-D，并且s = (n，)):

a = np.broadcast_to(v, s).copy()

如果a只需要是只读的，你可以使用以下方法(这是更有效的方式):

a = np.broadcast_to(v, s)

这样做的好处是v可以被赋值为单个数字，但如果需要不同的值，也可以赋值为数组(只要v.shape匹配s的尾部)。

额外的好处:如果你想强制创建的数组的dtype:

a = np.broadcast_to(np.asarray(v, dtype), s).copy()

为Numpy 1.7.0更新:(向@Rolf Bartstra致敬。)

一个= np.empty (n);A.fill(5)最快。

按速度递减排列:

%timeit a=np.empty(10000); a.fill(5)
100000 loops, best of 3: 5.85 us per loop

%timeit a=np.empty(10000); a[:]=5 
100000 loops, best of 3: 7.15 us per loop

%timeit a=np.ones(10000)*5
10000 loops, best of 3: 22.9 us per loop

%timeit a=np.repeat(5,(10000))
10000 loops, best of 3: 81.7 us per loop

%timeit a=np.tile(5,[10000])
10000 loops, best of 3: 82.9 us per loop