一般迭代

NumPy包包含一個迭代器對象numpy.nditer。 它是一個有效的多維迭代器對象，可以用于在數組上進行迭代。 數組的每個元素可使用 Python的標準Iterator接口來訪問。

使用arange()函數創建一個 3X4 數組，并使用nditer對它進行迭代。

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

迭代的順序匹配數組的內容布局，而不考慮特定的排序。 這可以通過迭代上述數組的轉置來看到。

>>> 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風格順序存儲，則迭代器選擇以更有效的方式對數組進行迭代。

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

可以通過顯式提醒，來強制nditer對象使用某種順序：

>>> 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 >>>

修改數組的值

nditer對象有另一個可選參數op_flags。 其默認值為只讀，但可以設置為讀寫或只寫模式。 這將允許使用此迭代器修改數組元素。

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

nditer類的構造器擁有flags參數，它可以接受下列值：

序號參數及描述

1.	c_index 可以跟蹤C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值的一維數組，而不是零維數組

示例

在下面的示例中，迭代器遍歷對應于每列的一維數組。

>>> 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

如果兩個數組是可廣播的，nditer組合對象能夠同時迭代它們。 假設數組a具有維度 3X4，并且存在維度為 1X4 的另一個數組b，則使用以下類型的迭代器(數組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

轉載于:https://www.cnblogs.com/oneTOinf/p/10504185.html

總結

以上是生活随笔為你收集整理的08.Numpy数组迭代的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。