NumPy 迭代数组

NumPy 迭代数组NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。迭代器最基本的任务的可以完成对数组元素的访问。接下来我们使用 arange() 函数创建一个 2X3 数组，并使用 nditer 对它进行迭代。实例import numpy as npa = np.arange(6).reshape(2,3)print ('原始数组是：')print (a)print ('\n')print ('迭代输出元素：')for x in np.nditer(a):





print (x, end=", " )print ('\n')输出结果为：原始数组是：[[0 1 2] [3 4 5]]迭代输出元素：0, 1, 2, 3, 4, 5, 以上实例不是使用标准 C 或者 Fortran 顺序，选择的顺序是和数组内存布局一致的，这样做是为了提升访问的效率，默认是行序优先（row-major order，或者说是 C-order）。这反映了默认情况下只需访问每个元素，而无需考虑其特定顺序。我们可以通过迭代上述数组的转置来看到这一点，并与以 C 顺序访问数组转置的 copy 方式做对比，如下实例：实例import numpy as npa = np.arange(6).reshape(2,3)for x in np.nditer(a.T):





print (x, end=", " )print ('\n')for x in np.nditer(a.T.copy(order='C')):





print (x, end=", " )print ('\n')输出结果为：0, 1, 2, 3, 4, 5, 0, 3, 1, 4, 2, 5, 从上述例子可以看出，a 和 a.T 的遍历顺序是一样的，也就是他们在内存中的存储顺序也是一样的，但是 a.T.copy(order = 'C') 的遍历结果是不同的，那是因为它和前两种的存储方式是不一样的，默认是按行访问。控制遍历顺序for x in np.nditer(a, order='F'):





Fortran order，即是列序优先；for x in np.nditer(a.T, order='C'):





C order，即是行序优先；实例import numpy as npa = np.arange(0,60,5)a = a.reshape(3,4)print ('原始数组是：')print (a)print ('\n')print ('原始数组的转置是：')b = a.Tprint (b)print ('\n')print ('以 C 风格顺序排序：')c = b.copy(order='C')print (c)for x in np.nditer(c):





print (x, end=", " )print ('\n')print ('以 F 风格顺序排序：')c = b.copy(order='F')print (c)for x in np.nditer(c):





print (x, end=", " )输出结果为：原始数组是：[[ 0 5 10 15] [20 25 30 35] [40 45 50 55]]原始数组的转置是：[[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]]以 C 风格顺序排序：[[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]]0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55, 以 F 风格顺序排序：[[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]]0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55,可以通过显式设置，来强制 nditer 对象使用某种顺序：实例import numpy as npa = np.arange(0,60,5)a = a.reshape(3,4)print ('原始数组是：')print (a)print ('\n')print ('以 C 风格顺序排序：')for x in np.nditer(a, order = 'C'):





print (x, end=", " )print ('\n')print ('以 F 风格顺序排序：')for x in np.nditer(a, order = 'F'):





print (x, end=", " )输出结果为：原始数组是：[[ 0 5 10 15] [20 25 30 35] [40 45 50 55]]以 C 风格顺序排序：0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 以 F 风格顺序排序：0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55,修改数组中元素的值nditer 对象有另一个可选参数 op_flags。 默认情况下，nditer 将视待迭代遍历的数组为只读对象（read-only），为了在遍历数组的同时，实现对数组元素值得修改，必须指定 read-write 或者 write-only 的模式。实例import numpy as npa = np.arange(0,60,5)a = a.reshape(3,4)print ('原始数组是：')print (a)print ('\n')for x in np.nditer(a, op_flags=['readwrite']):





x[...]=2*xprint ('修改后的数组是：')print (a)输出结果为：原始数组是：[[ 0 5 10 15] [20 25 30 35] [40 45 50 55]]修改后的数组是：[[ 0 10 20 30] [ 40 50 60 70] [ 80 90 100 110]]使用外部循环nditer类的构造器拥有flags参数，它可以接受下列值：参数描述c_index 可以跟踪 C 顺序的索引f_index 可以跟踪 Fortran 顺序的索引multi-index 每次迭代可以跟踪一种索引类型external_loop 给出的值是具有多个值的一维数组，而不是零维数组在下面的实例中，迭代器遍历对应于每列，并组合为一维数组。实例import numpy as npa = np.arange(0,60,5)a = a.reshape(3,4)print ('原始数组是：')print (a)print ('\n')print ('修改后的数组是：')for x in np.nditer(a, flags = ['external_loop'], order = 'F'):





print (x, end=", " )输出结果为：原始数组是：[[ 0 5 10 15] [20 25 30 35] [40 45 50 55]]修改后的数组是：[ 0 20 40], [ 5 25 45], [10 30 50], [15 35 55],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 的维度为 3X4，数组 b 的维度为 1X4 ，则使用以下迭代器（数组 b 被广播到 a 的大小）。实例import numpy as npa = np.arange(0,60,5)a = a.reshape(3,4)print ('第一个数组为：')print (a)print ('\n')print ('第二个数组为：')b = np.array([1, 2, 3, 4], dtype = int)print (b)print ('\n')print ('修改后的数组为：')for x,y in np.nditer([a,b]):





print ("%d:





%d" % (x,y), end=", " )输出结果为：第一个数组为：[[ 0 5 10 15] [20 25 30 35] [40 45 50 55]]第二个数组为：[1 2 3 4]修改后的数组为：0:





1, 5:





2, 10:





3, 15:





4, 20:





1, 25:





2, 30:





3, 35:





4, 40:





1, 45:





2, 50:





3, 55:





4,