NumPy迭代數組

NumPy 迭代器對象 numpy.nditer 提供了一種靈活訪問一個或者多個數組元素的方式。

迭代器最基本的任務的可以完成對數組元素的訪問。

接下來我們使用arange()函數創建一個 2 * 3 數組，并使用nditer對它進行迭代。
實例：

# -*- coding: UTF-8 -*-import numpy as npa = np.arange(6).reshape(2,3) print('原始數組是：') print(a) print('\n') print('迭代輸出元素:') for x in np.nditer(a):print(x,end=",") print('\n')

輸出結果為：

原始數組是： [[0 1 2][3 4 5]] 迭代輸出元素: 0,1,2,3,4,5,

以上實例不是使用標準 C 或者 Fortran 順序，選擇的順序是和數組內存布局一致的，這樣做是為了提升訪問的效率，默認是行序優先（row-major order，或者說是 C-order）。

這反映了默認情況下只需訪問每個元素，而無需考慮其特定順序。我們可以通過迭代上述數組的轉置來看到這一點，并與以 C 順序訪問數組轉置的 copy 方式做對比，如下實例：

import numpy as npa = np.arange(6).reshape(2,3) print(a) 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')

輸出結果為：

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

從上述例子可以看出，a 和 a.T 的遍歷順序是一樣的，也就是他們在內存中的存儲順序也是一樣的，但是 a.T.copy(order = ‘C’) 的遍歷結果是不同的，那是因為它和前兩種的存儲方式是不一樣的，默認是按行訪問。

控制遍歷順序：

• for x in np.nditer(a, order=‘F’):Fortran order，即是列序優先；
• for x in np.nditer(a.T, order=‘C’):C order，即是行序優先；

實例：

import numpy as npa = np.arange(0, 60, 5) a = a.reshape(3, 4) print('原始數組是：') print(a) print('\n') print('原始數組的轉置是：') b = a.T print(b) print('\n') print('以 C 風格順序排序：') c = b.copy(order='C') print(c) for x in np.nditer(c):print(x, end=", ") print('\n') print('以 F 風格順序排序：') c = b.copy(order='F') print(c) for x in np.nditer(c):print(x, end=", ")

運行結果是：

原始數組是： [[ 0 5 10 15][20 25 30 35][40 45 50 55]] 原始數組的轉置是： [[ 0 20 40][ 5 25 45][10 30 50][15 35 55]] 以 C 風格順序排序： [[ 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 風格順序排序： [[ 0 20 40][ 5 25 45][10 30 50][15 35 55]] 0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55,

可以通過顯式設置，來強制 nditer 對象使用某種順序：
實例：

import numpy as npa = np.arange(0, 60, 5) a = a.reshape(3, 4) print('原始數組是：') print(a) print('\n') print('以 C 風格順序排序：') for x in np.nditer(a, order='C'):print(x, end=", ") print('\n') print('以 F 風格順序排序：') for x in np.nditer(a, order='F'):print(x, end=", ")

輸出結果為：

原始數組是： [[ 0 5 10 15][20 25 30 35][40 45 50 55]] 以 C 風格順序排序： 0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 以 F 風格順序排序： 0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55,

修改數組中元素的值：

nditer 對象有另一個可選參數 op_flags。 默認情況下，nditer 將視待迭代遍歷的數組為只讀對象（read-only），為了在遍歷數組的同時，實現對數組元素值得修改，必須指定 read-write 或者 write-only 的模式。
實例：

import numpy as npa = np.arange(0, 60, 5) a = a.reshape(3, 4) print('原始數組是：') print(a) print('\n') for x in np.nditer(a, op_flags=['readwrite']):x[...] = 2 * x print('修改后的數組是：') print(a)

實例：

原始數組是： [[ 0 5 10 15][20 25 30 35][40 45 50 55]] 修改后的數組是： [[ 0 10 20 30][ 40 50 60 70][ 80 90 100 110]]

使用外部循環

nditer類的構造器擁有flags參數，它可以接受下列值：

參數描述

c_index	可以跟蹤 C 順序的索引
f_index	可以跟蹤 Fortran 順序的索引
multi-index	每次迭代可以跟蹤一種索引類型
external_loop	給出的值是具有多個值的一維數組，而不是零維數組

在下面的實例中，迭代器遍歷對應于每列，并組合為一維數組。
實例：

原始數組是： [[ 0 5 10 15][20 25 30 35][40 45 50 55]] 修改后的數組是： [ 0 20 40], [ 5 25 45], [10 30 50], [15 35 55],

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 的維度為 3X4，數組 b 的維度為 1X4 ，則使用以下迭代器（數組 b 被廣播到 a 的大小）。

第一個數組為： [[ 0 5 10 15][20 25 30 35][40 45 50 55]] 第二個數組為： [1 2 3 4] 修改后的數組為： 0:1, 5:2, 10:3, 15:4, 20:1, 25:2, 30:3, 35:4, 40:1, 45:2, 50:3, 55:4,

總結

以上是生活随笔為你收集整理的B09_NumPy迭代数组（控制遍历顺序，修改数组中元素的值，使用外部循环，广播迭代）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。