08.Numpy数组迭代

最新推荐文章于 2025-09-05 18:54:16 发布

转载最新推荐文章于 2025-09-05 18:54:16 发布 · 122 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/oneTOinf/p/10504185.html

一般迭代

NumPy包包含一个迭代器对象numpy.nditer。它是一个有效的多维迭代器对象，可以用于在数组上进行迭代。数组的每个元素可使用 Python的标准Iterator接口来访问。

使用arange()函数创建一个 3X4 数组，并使用nditer对它进行迭代。

示例 1

>>> a = np.arange(0, 60, 5)
>>> a.shape = 3, 4
array([[ 0,  5, 10, 15],
       [20, 25, 30, 35],
       [40, 45, 50, 55]])
>>> for x in np.nditer(a):
...     print(x)
...
...
0
5
10
15
20
25
30
35
40
45
50
55
>>>

示例 2

迭代的顺序匹配数组的内容布局，而不考虑特定的排序。这可以通过迭代上述数组的转置来看到。

>>> import numpy as np
>>> a = np.arange(0, 60, 5)
>>> a.shape = 3, 4
>>> a
array([[ 0,  5, 10, 15],
       [20, 25, 30, 35],
       [40, 45, 50, 55]])
>>> b = a.T
>>> b
array([[ 0, 20, 40],
       [ 5, 25, 45],
       [10, 30, 50],
       [15, 35, 55]])
>>> for x in np.nditer(b):
...     print(x)
...
...
0
5
10
15
20
25
30
35
40
45
50
55

迭代顺序

如果相同元素使用F风格顺序存储，则迭代器选择以更有效的方式对数组进行迭代。

示例 1

>>> c = b.copy(order='F')
>>> for x in np.nditer(c):
...     print(x)
...
...
0
5
10
15
20
25
30
35
40
45
50
55
>>>

示例 2

可以通过显式提醒，来强制nditer对象使用某种顺序：

>>> for x in np.nditer(a, order='C'):
...     print(x)
...
...
0
5
10
15
20
25
30
35
40
45
50
55
>>> for x in np.nditer(a, order='F'):
...     print(x)
...
...
0
20
40
5
25
45
10
30
50
15
35
55
>>>

修改数组的值

nditer对象有另一个可选参数op_flags。其默认值为只读，但可以设置为读写或只写模式。这将允许使用此迭代器修改数组元素。

示例

>>> for x in np.nditer(a, op_flags=['readwrite']):
...     x[...]=2*x
...
...
>>> a
array([[  0,  10,  20,  30],
       [ 40,  50,  60,  70],
       [ 80,  90, 100, 110]])
>>>

外部循环

nditer类的构造器拥有flags参数，它可以接受下列值：

序号	参数及描述
1.	`c_index` 可以跟踪`C`顺序的索引
2.	`f_index` 可以跟踪`Fortran`顺序的索引
3.	`multi-index` 每次迭代可以跟踪一种索引类型
4.	`external_loop` 给出的值是具有多个值的一维数组，而不是零维数组

示例

在下面的示例中，迭代器遍历对应于每列的一维数组。

>>> for x in np.nditer(a, flags=['external_loop'], order='F'):
...     print(x)
...
...
[ 0 40 80]
[10 50 90]
[ 20  60 100]
[ 30  70 110]

广播迭代

如果两个数组是可广播的，nditer组合对象能够同时迭代它们。假设数组a具有维度 3X4，并且存在维度为 1X4 的另一个数组b，则使用以下类型的迭代器(数组b被广播到a的大小)。

示例

>>> a = np.arange(0, 60, 5)
>>> a.shape = 3, 4
>>> b = np.arange(1, 5)
>>> a
array([[ 0,  5, 10, 15],
       [20, 25, 30, 35],
       [40, 45, 50, 55]])
>>> b
array([1, 2, 3, 4])
>>> for x,y in np.nditer([a, b]):
...     print(x, ':', y)
...
...
0 : 1
5 : 2
10 : 3
15 : 4
20 : 1
25 : 2
30 : 3
35 : 4
40 : 1
45 : 2
50 : 3
55 : 4

转载于:https://www.cnblogs.com/oneTOinf/p/10504185.html