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

importnumpyasnpa=np.arange(6).reshape(2,3)print('原始数组是：')print(a)print('\n')print('迭代输出元素：')forxinnp.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

importnumpyasnpa=np.arange(6).reshape(2,3)forxinnp.nditer(a.T):print(x,end=",")print('\n')forxinnp.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

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

importnumpyasnpa=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：')forxinnp.nditer(a,order='C'):print(x,end=",")print('\n')print('以 F 风格顺序排序：')forxinnp.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

importnumpyasnpa=np.arange(0,60,5)a=a.reshape(3,4)print('原始数组是：')print(a)print('\n')forxinnp.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

importnumpyasnpa=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：')forxinnp.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

importnumpyasnpa=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：')forx,yinnp.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,