AI智能
改变未来

Lesson10——NumPy 迭代数组

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

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,"""
赞(0) 打赏
未经允许不得转载:爱站程序员基地 » Lesson10——NumPy 迭代数组