上一节:
下一节:

  NumPy - 遍历数组

  • 简述

    NumPy 包包含一个迭代器对象numpy.nditer. 它是一个高效的多维迭代器对象，使用它可以迭代数组。使用 Python 的标准迭代器接口访问数组的每个元素。
    让我们使用 arange() 函数创建一个 3X4 数组并使用nditer.

    示例 1

    
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'
print 'Modified array is:'
for x in np.nditer(a):
   print x,
    该程序的输出如下 - 
    
Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
Modified array is:
0 5 10 15 20 25 30 35 40 45 50 55

    示例 2

    选择迭代的顺序以匹配数组的内存布局，而不考虑特定的顺序。这可以通过迭代上述数组的转置来看出。 
    
import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 
   
print 'Original array is:'
print a 
print '\n'  
   
print 'Transpose of the original array is:' 
b = a.T 
print b 
print '\n'  
   
print 'Modified array is:' 
for x in np.nditer(b): 
   print x,
    上述程序的输出如下 - 
    
Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
Transpose of the original array is:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]
Modified array is:
0 5 10 15 20 25 30 35 40 45 50 55

  • 迭代顺序

    如果使用 F 样式的顺序存储相同的元素，则迭代器会选择更有效的方式来迭代数组。

    示例 1

    
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'
print 'Transpose of the original array is:'
b = a.T
print b
print '\n'
print 'Sorted in C-style order:'
c = b.copy(order = 'C')
print c
for x in np.nditer(c):
   print x,
print '\n'
print 'Sorted in F-style order:'
c = b.copy(order = 'F')
print c
for x in np.nditer(c):
   print x,
    它的输出如下 - 
    
Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
Transpose of the original array is:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]
Sorted in C-style order:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]
0 20 40 5 25 45 10 30 50 15 35 55
Sorted in F-style order:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]
0 5 10 15 20 25 30 35 40 45 50 55

    示例 2

    可以强制nditer通过明确提及来反对使用特定顺序。 
    
import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 
print 'Original array is:' 
print a 
print '\n'  
print 'Sorted in C-style order:' 
for x in np.nditer(a, order = 'C'): 
   print x,  
print '\n' 
print 'Sorted in F-style order:' 
for x in np.nditer(a, order = 'F'): 
   print x,
    它的输出将是 - 
    
Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
Sorted in C-style order:
0 5 10 15 20 25 30 35 40 45 50 55
Sorted in F-style order:
0 20 40 5 25 45 10 30 50 15 35 55

  • 修改数组值

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

    例子

    
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'
for x in np.nditer(a, op_flags = ['readwrite']):
   x[...] = 2*x
print 'Modified array is:'
print a
    它的输出如下 - 
    
Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
Modified array is:
[[ 0 10 20 30]
 [ 40 50 60 70]
 [ 80 90 100 110]]

  • 外环

    nditer 类构造函数有一个‘flags’参数，可以采用以下值 -
    序号 参数及说明
    1
    c_index
    C_order索引可以被跟踪
    2
    f_index
    跟踪 Fortran_order 索引
    3
    multi-index
    可以跟踪每次迭代一个索引的类型
    4
    external_loop
    导致给定的值是具有多个值的一维数组，而不是零维数组

    例子

    在下面的例子中，迭代器会遍历每一列对应的一维数组。 
    
import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 
print 'Original array is:' 
print a 
print '\n'  
print 'Modified array is:' 
for x in np.nditer(a, flags = ['external_loop'], order = 'F'):
   print x,
    输出如下 - 
    
Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
Modified array is:
[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]

  • 广播迭代

    如果两个数组是broadcastable, 一个组合nditer对象能够同时迭代它们。假设一个数组a维度为 3X4，还有另一个数组b维度为 1X4，使用以下类型的迭代器（数组b被广播到大小a).

    例子

    
import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 
print 'First array is:' 
print a 
print '\n'  
print 'Second array is:' 
b = np.array([1, 2, 3, 4], dtype = int) 
print b  
print '\n' 
print 'Modified array is:' 
for x,y in np.nditer([a,b]): 
   print "%d:%d" % (x,y),
    它的输出如下 - 
    
First array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
Second array is:
[1 2 3 4]
Modified array is:
0:1 5:2 10:3 15:4 20:1 25:2 30:3 35:4 40:1 45:2 50:3 55:4
上一节:
下一节: