爱站程序员基地NumPy 教程目录
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。
**Example：**使用
arange()
函数创建一个
2X3
数组，并使用
nditer
对它进行迭代。
a = np.arange(6).reshape(2,3)print(\'原始数组是\')print(a)print(\'迭代输出元素\')for x in np.nditer(a):print(x,end=\' \')#输出结果"""原始数组是[[0 1 2][3 4 5]]迭代输出元素0 1 2 3 4 5"""
Example：
a = np.arange(8).reshape(2,2,2)print(\'原始数组是\')print(a)print(\'迭代输出元素\')for x in np.nditer(a):print(x,end=\' \')#输出结果"""原始数组是[[[0 1][2 3]][[4 5][6 7]]]迭代输出元素0 1 2 3 4 5 6 7"""
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：
Example：
a = np.arange(6).reshape(2,3)for x in np.nditer(a.T):print(x,end=\' \')print()print(a.T.copy(order =\'C\'))for x in np.nditer(a.T.copy(order =\'C\')):print(x,end=\' \')#输出结果"""0 1 2 3 4 5[[0 3][1 4][2 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，也就是他们在内存中的存储顺序也是一样的，但是出，
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；
Example：
a = 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"""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：
Example：
a = 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"""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。
Example：
x = np.arange(6).reshape((2,3))print(\'The original array is\')print(x)for tmp in np.nditer(x,op_flags =[\'readwrite\']):tmp[...] = 1print("The modified array is")print(x)#output result"""The original array is[[0 1 2][3 4 5]]The modified array is[[1 1 1][1 1 1]]"""
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。
Example:
x = np.arange(9).reshape((3,3))print("The original array is ")print(x)print(\'The modified array is \')for x in np.nditer(x,flags=[\'external_loop\'],order=\'F\'):print(x)#output result"""The original array is[[0 1 2][3 4 5][6 7 8]]The modified array is[0 3 6][1 4 7][2 5 8]"""
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 3\\times4，数组 b 的维度为 1\\times4 ，则使用以下迭代器（数组 b 被广播到 a 的大小）。
Example:
a = np.arange(0,60,5)a = a.reshape(3,4)print (\'First array：\')print (a)print (\'\\n\')print (\'Second array：\')b = np.array([1, 2, 3, 4], dtype = int)print (b)print (\'\\n\')print (\'The modified array ：\')for x,y in np.nditer([a,b]):print ("%d:%d" % (x,y), end=", " )#output result"""First array：[[ 0 5 10 15][20 25 30 35][40 45 50 55]]Second array：[1 2 3 4]The modified array ：0:1, 5:2, 10:3, 15:4, 20:1, 25:2, 30:3, 35:4, 40:1, 45:2, 50:3, 55:4,"""
