NumPy 包包含一个迭代器对象numpy.nditer。它是一个高效的多维迭代器对象，使用它可以迭代数组。使用 Python 的标准迭代器接口访问数组的每个元素。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
# 用于遍历数组的 Python 程序 import numpy as geek # 使用排列方法创建数组a = geek.arange(12) # 具有 3 行和 4 列的形状数组a = a.reshape(3,4) print('Original array is:')print(a)print() print('Modified array is:') # 迭代数组for x in geek.nditer(a): print(x) |
输出：
Original array is:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
Modified array is:
0 1 2 3 4 5 6 7 8 9 10 11
选择迭代的顺序以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出。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
# 用于迭代转置的 Python 程序# array import numpy as geek # 使用排列方法创建数组a = geek.arange(12) # 具有 3 行和 4 列的形状数组a = a.reshape(3,4) print('Original array is:')print(a)print() # 原始数组的转置b = a.T print('Modified array is:')for x in geek.nditer(b): print(x) |
输出：
Original array is:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
Modified array is:
0 1 2 3 4 5 6 7 8 9 10 11
控制迭代顺序
有时以特定顺序访问数组元素很重要，而与内存中元素的布局无关。nditer 对象提供了一个 order 参数来控制迭代的这一方面。具有上述行为的默认设置是 order='K' 以保持现有顺序。这可以用 order='C' 覆盖 C 订单和 order='F' 用于 Fortran 订单。
代码#1：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
# 用于使用特定顺序迭代数组的 Python 程序 import numpy as geek # 使用排列方法创建数组a = geek.arange(12) # 具有 3 行和 4 列的形状数组 a = a.reshape(3,4) print('Original array is:') print(a)print() print('Modified array in C-style order:') # 具有 3 行和 4 行的形状数组，以给定的顺序排列数组for x in geek.nditer(a, order = 'C'): print(x) |
输出：
Original array is:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
Modified array in C-style order:
0 1 2 3 4 5 6 7 8 9 10 11
代码#2：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
# 用于使用特定顺序迭代数组的 Python 程序 import numpy as geek # 使用排列方法创建数组a = geek.arange(0,60,5) # 具有 3 行和 4 列的形状数组a = a.reshape(3,4) print('Original array is:') print(a)print() print('Modified array in F-style order:') # 以给定顺序迭代数组for x in geek.nditer(a, order = 'F'): print(x) |
输出：
Original array is:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
Modified array in F-style order:
0 4 8 1 5 9 2 6 10 3 7 11
修改数组值
nditer 对象有另一个可选参数，称为op_flags。其默认值为只读，但可以设置为读写或只写模式。这将启用使用此迭代器修改数组元素。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
# 用于修改数组值的 Python 程序 import numpy as geek # 使用排列方法创建数组a = geek.arange(12) # 具有 3 行和 4 列的形状数组a = a.reshape(3,4)print('Original array is:')print(a)print() # 修改数组值for x in geek.nditer(a, op_flags = ['readwrite']): x[...] = 5*xprint('Modified array is:')print(a) |
输出：
Original array is:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
Modified array is:
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
外环：
类nditer构造函数有一个flags参数，可以取以下值
| 范围 | 描述 |
|---|---|
| external_loop | 导致给定的值是具有多个值的一维数组，而不是零维数组 |
| c_index | C_order索引可以被跟踪 |
| f_index | 跟踪 Fortran_order 索引 |
| multi-index | 可以跟踪每次迭代一个索引的类型 |
代码#1：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
# 使用外部循环迭代数组值的 Python 程序 import numpy as geek # 使用排列方法创建数组a = geek.arange(12) # 具有 3 行和 4 列的形状数组a = a.reshape(3,4) print('Original array is:') print(a) print() print('Modified array is:') for x in geek.nditer(a, flags = ['external_loop'], order = 'C'): print(x) |
输出：
Original array is:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
Modified array is:
[ 0 1 2 3] [ 4 5 6 7] [8 9 10 11]
代码#2：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
# 使用 f_index 迭代数组值的 Python 程序 import numpy as geek # 使用排列方法创建数组a = geek.arange(6) # 具有 2 行和 3 列的形状数组a = a.reshape(2,3) print('Original array is:')print(a)print() # 使用 f_index 参数迭代数组it = geek.nditer(a, flags=['f_index'])while not it.finished: print("%d <%d>" % (it[0], it.index), end=" ") it.iternext() |
输出：
Original array is:
[[ 0 1 2]
[ 3 4 5]]
0 <0> 1 <2> 2 <4> 3 <1> 4 <3> 5 <5>
广播迭代
如果两个数组是可广播的，则组合的nditer对象能够同时对它们进行迭代。假设一个数组a的维度为3X4，并且还有另一个维度为1X4的数组b，则使用以下类型的迭代器（数组b广播到a的大小）。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
# 用于迭代数组的 Python 程序 import numpy as geek # 使用排列方法创建数组a = geek.arange(12) # 具有 3 行和 4 列的形状数组a = a.reshape(3,4) print('First array is:') print(a)print() # 使用数组方法创建第二个数组print('Second array is:') b = geek.array([5, 6, 7, 8], dtype = int) print(b) print() print('Modified array is:')for x,y in geek.nditer([a,b]): print("%d:%d" % (x,y)) |
输出：
First array is:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
Second array is:
[5 6 7 8]
Modified array is:
0:5 1:6 2:7 3:8 4:5 5:6 6:7 7:8 8:5 9:6 10:7 11:8
到此这篇关于Python NumPy教程之遍历数组详解的文章就介绍到这了,更多相关Python NumPy遍历数组内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://juejin.cn/post/7136879847095140383
