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 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，但是  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.T
print (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[...] = 1
print("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 $3X4$，数组 $b$ 的维度为 $1X4$ ，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,
"""