在函数修改后，我想用同一行替换NumPy数组的一行。
这是我的代码：
def _softmax(z):
array = np.exp(z)
array = np.divide(array,np.sum(array))
return array
a = np.array([[1,2,3,4],[5,15,4,7]])
n =_softmax(a[0])
print(n)
a[0]= n
print(a[0])
我得到以下结果：
[0.0320586 0.08714432 0.23688282 0.64391426]
[0 0 0 0]
如您所见，n可以，但是a[0]除了[0,0]之外不会改变。
但是，如果我尝试：
a[0] = np.array([4,1])
...效果很好。
之所以这样，是因为a最初是np.int64类型的，而softmax的输出是np.float。您必须将NumPy数组a的精度更改为np.float，否则将对a第一行的赋值下转换为整数精度：
a = np.array([[1,2,3,4],[5,15,4,7]],dtype=np.float)
最初使用类型np.int64创建它的原因是因为所有值都是整数。只要将其中之一更改为浮点，数组就会升为浮点数：
In [9]: a = np.array([[1,7]])
In [10]: a.dtype
Out[10]: dtype('int64')
In [11]: a = np.array([[1.0,7]])
In [12]: a.dtype
Out[12]: dtype('float64')
请注意，我将值1的精度更改为1.0。如果愿意，可以在不显式指定类型的情况下以这种方式进行操作。 NumPy找出数组构造中包含的内容，并推断出与所提供的所有信息相匹配的最佳类型。
最后，我们经历了所有事情之后：
In [14]: a
Out[14]:
array([[ 0.0320586,0.08714432,0.23688282,0.64391426],[ 5.,15.,4.,7. ]])