Python中如何用for循环正确填充二维数组元素？

你的问题出在循环层次的逻辑错误上——你现在的四层循环中，对于矩阵的每一个位置(i,j)，都完整执行了一遍k和l的全范围循环（0到2）。这意味着每个sim_matrix[i][j]会被连续赋值9次，最终只会保留k=2、l=2时计算的结果，所以整个矩阵最后全是同一个值。

修正后的循环实现 #

根据你期望的输出，你应该是想让矩阵的(i,j)位置对应node_list_bsc[0][i]的均值减去node_list_bsc[1][j]的均值。直接去掉多余的k和l循环，让i、j直接作为数据的索引即可：

import numpy as np

sim_matrix = np.zeros((3, 3), dtype=float)
for i in range(3):
    for j in range(3):
        # 用i对应node_list_bsc[0]的索引，j对应node_list_bsc[1]的索引
        sim_matrix[i][j] = node_list_bsc[0][i]['bsc mean value'] - node_list_bsc[1][j]['bsc mean value']

更高效的numpy广播实现 #

如果想用更简洁的方式（避免嵌套循环），可以利用numpy的广播特性：

# 先从字典列表中提取均值数组
arr_group0 = np.array([node['bsc mean value'] for node in node_list_bsc[0]])
arr_group1 = np.array([node['bsc mean value'] for node in node_list_bsc[1]])

# 利用广播直接生成3x3的差值矩阵
sim_matrix = arr_group0[:, np.newaxis] - arr_group1

为什么你的伪代码没起作用？ #

你尝试的if sim_matrix[i][j]==0.0判断有两个问题：

• 浮点数的==0.0判断存在精度风险，可能因为微小的计算误差导致判断失效；
• 本质上还是在同一个(i,j)下循环所有k和l，第一次赋值的是k=0,l=0的结果，但这未必是你期望的(i,j)对应的值，逻辑依然不匹配。

内容的提问来源于stack exchange，提问作者Learn4life