NumPy遍历数组 NumPy广播 NumPy数组操作 NumPy包中包含一个迭代器对象 numpy.nditer 。它是一个有效的多维迭代器对象,可以用它迭代数组。使用Python的标准Iterator接口访问数组的每个元素。 让我们使用 arange() 函数创建一个3X4数组,并使用 nditer 对其进行 迭代 。 例1 import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'Original array is:' print a print '\n' print 'Modified array is:' for x in np.nditer(a): print x, 这个程序的输出如下 - Original array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Modified array is: 0 5 10 15 20 25 30 35 40 45 50 55 例2 迭代顺序选择为匹配数组的内存布局,而不考虑特定的顺序。这可以通过迭代上述数组的转置来看到。 import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'Original array is:' print a print '\n' print 'Transpose of the original array is:' b = a.T print b print '\n' print 'Modified array is:' for x in np.nditer(b): print x, 以上程序的输出如下 - Original array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Transpose of the original array is: [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]] Modified array is: 0 5 10 15 20 25 30 35 40 45 50 55 迭代次序 如果使用F样式顺序存储相同的元素,则迭代器会选择更有效的方式遍历数组。 例1 import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'Original array is:' print a print '\n' print 'Transpose of the original array is:' b = a.T print b print '\n' print 'Sorted in C-style order:' c = b.copy(order='C') print c for x in np.nditer(c): print x, print '\n' print 'Sorted in F-style order:' c = b.copy(order='F') print c for x in np.nditer(c): print x, 其产出如下 - Original array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Transpose of the original array is: [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]] Sorted in C-style order: [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]] 0 20 40 5 25 45 10 30 50 15 35 55 Sorted in F-style order: [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]] 0 5 10 15 20 25 30 35 40 45 50 55 例2 可以通过明确提及 nditer 对象来使用特定顺序。 import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'Original array is:' print a print '\n' print 'Sorted in C-style order:' for x in np.nditer(a, order = 'C'): print x, print '\n' print 'Sorted in F-style order:' for x in np.nditer(a, order = 'F'): print x, 其产出将是 - Original array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Sorted in C-style order: 0 5 10 15 20 25 30 35 40 45 50 55 Sorted in F-style order: 0 20 40 5 25 45 10 30 50 15 35 55 修改数组值 该 nditer 对象有另一个叫做可选参数 op_flags 。它的默认值是只读的,但可以设置为读写模式或只写模式。这将启用使用此迭代器修改数组元素。 例 import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'Original array is:' print a print '\n' for x in np.nditer(a, op_flags=['readwrite']): x[...]=2*x print 'Modified array is:' print a 其产出如下 - Original array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Modified array is: [[ 0 10 20 30] [ 40 50 60 70] [ 80 90 100 110]] 外部循环 nditer类的构造函数有一个 'flags' 参数,它可以取下列值 - Sr.No. 参数和说明 1 c_index C_order索引可以放置 2 f_index 跟踪Fortran_order索引 3 multi-index 可以跟踪每次迭代一次的索引类型 4 external_loop 使给出的值成为具有多个值而不是零维数组的一维数组 例 在以下示例中,迭代器将遍历与每列对应的一维数组。 import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'Original array is:' print a print '\n' print 'Modified array is:' for x in np.nditer(a, flags = ['external_loop'], order = 'F'): print x, 输出如下 - Original array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Modified array is: [ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55] 广播迭代 如果两个数组可以 广播 ,则组合的 nditer 对象可以同时迭代它们。假设数组 a的 维数为3X4,并且存在维数为1X4的另一个数组 b ,则使用以下类型的迭代器(数组 b 以广播的大小 a )。 例 import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'First array is:' print a print '\n' print 'Second array is:' b = np.array([1, 2, 3, 4], dtype = int) print b print '\n' print 'Modified array is:' for x,y in np.nditer([a,b]): print "%d:%d" % (x,y), 其产出如下 - First array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Second array is: [1 2 3 4] Modified array is: 0:1 5:2 10:3 15:4 20:1 25:2 30:3 35:4 40:1 45:2 50:3 55:4 NumPy广播 NumPy数组操作