一般迭代

NumPy包包含一個(gè)迭代器對(duì)象numpy.nditer。 它是一個(gè)有效的多維迭代器對(duì)象，可以用于在數(shù)組上進(jìn)行迭代。 數(shù)組的每個(gè)元素可使用 Python的標(biāo)準(zhǔn)Iterator接口來(lái)訪問(wèn)。

使用arange()函數(shù)創(chuàng)建一個(gè) 3X4 數(shù)組，并使用nditer對(duì)它進(jìn)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

迭代的順序匹配數(shù)組的內(nèi)容布局，而不考慮特定的排序。 這可以通過(guò)迭代上述數(shù)組的轉(zhuǎn)置來(lái)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

迭代順序

如果相同元素使用F風(fēng)格順序存儲(chǔ)，則迭代器選擇以更有效的方式對(duì)數(shù)組進(jìn)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

可以通過(guò)顯式提醒，來(lái)強(qiáng)制nditer對(duì)象使用某種順序：

>>> 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 >>>

修改數(shù)組的值

nditer對(duì)象有另一個(gè)可選參數(shù)op_flags。 其默認(rèn)值為只讀，但可以設(shè)置為讀寫或只寫模式。 這將允許使用此迭代器修改數(shù)組元素。

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]]) >>>

外部循環(huán)

nditer類的構(gòu)造器擁有flags參數(shù)，它可以接受下列值：

序號(hào)參數(shù)及描述

1.	c_index 可以跟蹤C(jī)順序的索引
2.	f_index 可以跟蹤Fortran順序的索引
3.	multi-index 每次迭代可以跟蹤一種索引類型
4.	external_loop 給出的值是具有多個(gè)值的一維數(shù)組，而不是零維數(shù)組

示例

在下面的示例中，迭代器遍歷對(duì)應(yīng)于每列的一維數(shù)組。

>>> 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]

廣播迭代

如果兩個(gè)數(shù)組是可廣播的，nditer組合對(duì)象能夠同時(shí)迭代它們。 假設(shè)數(shù)組a具有維度 3X4，并且存在維度為 1X4 的另一個(gè)數(shù)組b，則使用以下類型的迭代器(數(shù)組b被廣播到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

轉(zhuǎn)載于:https://www.cnblogs.com/oneTOinf/p/10504185.html

總結(jié)

以上是生活随笔為你收集整理的08.Numpy数组迭代的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。