Numpy | 11 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。

实例1：使用 arange() 函数创建一个 2x3 数组，并使用 nditer 对它进行迭代。

import numpy as np

a = np.arange(6).reshape(2,3)

print ('原始数组是：')

print (a)

print ('\n')

print ('迭代输出元素：')

for x in np.nditer(a):

    print (x, end=", " )

print ('\n')

输出结果为：

原始数组是：

[[0 1 2]

 [3 4 5]]

迭代输出元素：

0, 1, 2, 3, 4, 5,

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.

实例2：

import numpy as np

a = np.arange(6).reshape(2, 3)

print(a)

print('\n')

print(a.T)

print('\n')

for x in np.nditer(a.T):

    print(x, end=", ")

print('\n')

for x in np.nditer(a.T.copy(order='C')):

    print(x, end=", ")

print('\n')

输出结果为：

[[0 1 2]
[3 4 5]]

[[0 3]
[1 4]
[2 5]]

0, 1, 2, 3, 4, 5,

0, 3, 1, 4, 2, 5,

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；
a 和 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；

实例1

import numpy as np

a = np.arange(0, 60, 5).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):          # 以行顺序输出

    print(x, end=", ")

print('\n')

print('以 F 风格顺序排序：')

d = b.copy(order='F')

print(c)

for x in np.nditer(d):          # 以列顺序输出

    print(x, end=", ")

输出结果为：

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,

实例2: 可以通过显式设置，来强制 nditer 对象使用某种顺序

import numpy as np

a = np.arange(0, 60, 5).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=", ")

输出结果为：

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write-only 的模式。

import numpy as np

a = np.arange(0, 60, 5).reshape(3, 4)

print('原始数组是：')

print(a)

print('\n')

for x in np.nditer(a, op_flags=['readwrite']):

    x[...] = 2 * x

print('修改后的数组是：')

print(a)

输出结果为：

原始数组是：

[[ 0  5 10 15]

 [20 25 30 35]

 [40 45 50 55]]

修改后的数组是：

[[  0  10  20  30]

 [ 40  50  60  70]

 [ 80  90 100 110]]

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，迭代器遍历每列，并组合为一维数组。

import numpy as np

a = np.arange(0,60,5) .reshape(3,4)

print ('原始数组是：')

print (a)

print ('\n')

print ('修改后的数组是：')

for x in np.nditer(a, flags =  ['external_loop'], order =  'F'):

   print (x, end=", " )

输出结果为：

原始数组是：

[[ 0  5 10 15]

 [20 25 30 35]

 [40 45 50 55]]

修改后的数组是：

[ 0 20 40], [ 5 25 45], [10 30 50], [15 35 55],

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）。

import numpy as np

a = np.arange(0, 60, 5).reshape(3, 4)

print('第一个数组为：')

print(a)

print('\n')

b = np.array([1, 2, 3, 4], dtype=int)

print('第二个数组为：')

print(b)

print('\n')

print('修改后的数组为：')

for x, y in np.nditer([a, b]):

    print("%d:%d" % (x, y), end=", ")

输出结果为：

第一个数组为：

[[ 0  5 10 15]

 [20 25 30 35]

 [40 45 50 55]]

第二个数组为：

[1 2 3 4]

修改后的数组为：

0:1, 5:2, 10:3, 15:4, 20:1, 25:2, 30:3, 35:4, 40:1, 45:2, 50:3, 55:4,