NumPy 迭代数组

NumPy 迭代器对象 numpy.nditer 提供了访问一个或者多个数组元素的方式。

迭代器最基本的任务就是完成对数组元素的访问或修改。

下面我们使用 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('迭代输出元素：')
for x in np.nditer(a):
    print(x, end=", ")
# 原始数组是：
# [[0 1 2]
#  [3 4 5]]
# 迭代输出元素：
# 0, 1, 2, 3, 4, 5,

本实例不是使用标准 C 或者 Fortran 顺序，选择的顺序是和数组内存布局一致的，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。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：

import numpy as np

a = np.arange(6).reshape(2, 3)
print(a)
# [[0 1 2]
#  [3 4 5]]
print(a.T)
# [[0 3]
#  [1 4]
#  [2 5]]

for x in np.nditer(a.T):
    print(x, end=", ")
# 0, 1, 2, 3, 4, 5,    

for x in np.nditer(a.T.copy(order='C')):
    print(x, end=", ")
#  0, 3, 1, 4, 2, 5,

从上看出，a 和 a.T 的遍历顺序是一样的，他们在内存中的存储顺序也是一样的，但 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，列序优先
• for x in np.nditer(a.T, order='C'):C order，行序优先

import numpy as np

a = np.arange(0, 60, 5)
a = a.reshape(3, 4)
print('原始数组是：')
print(a)

print('原始数组的转置是：')
b = a.T
print(b)

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('以 F 风格顺序排序：')
c = b.copy(order='F')
print(c)
for x in np.nditer(c):
    print(x, end=", ")
# 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, 

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)
a = a.reshape(3, 4)
print('原始数组是：')
print(a)

print('以 C 风格顺序排序：')
for x in np.nditer(a, order='C'):
    print(x, end=", ")

print('以 F 风格顺序排序：')
for x in np.nditer(a, order='F'):
    print(x, end=", ")
# 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，对数组元素进行修改，须指定 read-write 或者 write-only 的模式。

import numpy as np

a = np.arange(0, 60, 5)
a = a.reshape(3, 4)
print('原始数组是：')
print(a)

for x in np.nditer(a, op_flags=['readwrite']):
    x[...] = 2 * x
print('修改后的数组是：')
print(a)
# 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类的构造器还拥有flags参数，接受下列值：

import numpy as np

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

print ('原始数组是：')
print (a)

print ('修改后的数组是：')
# 迭代器遍历对应的每列，并组合为一维数组
for x in np.nditer(a, flags = ['external_loop'], order = 'F'):
   print (x, end=", ")
# 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)
a = a.reshape(3, 4)

print('第一个数组为：')
print(a)

print('第二个数组为：')
b = np.array([1, 2, 3, 4], dtype=int)
print(b)

print('修改后的数组为：')
for x, y in np.nditer([a, b]):
    print("%d:%d" % (x, y), end=", ")
# 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,