共计 3703 个字符,预计需要花费 10 分钟才能阅读完成。
导读 | 本文主要介绍了 NumPy 迭代数组的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧 |
迭代数组
NumPy 中引入了 nditer 对象来提供一种对于数组元素的访问方式。
一、单数组迭代
1. 使用 nditer 访问数组的每个元素
>>>a = np.arange(12).reshape(3, 4)
>>>for x in np.nditer(a):
print(x, end=' ')
0 1 2 3 4 5 6 7 8 9 10 11
# 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:>>>for x in np.nditer(a.T):
print(x, end=' ')
0 1 2 3 4 5 6 7 8 9 10 11
>>>for x in np.nditer(a.T.copy(order='C')):
print(x, end=' ')
0 4 8 1 5 9 2 6 10 3 7 11
2. 控制数组元素的迭代顺序
使用参数 order 控制元素的访问顺序,参数的可选值有:
>>>a = np.arange(12).reshape(3, 4)
>>>for x in np.nditer(a, order='C'):
print(x, end=' ')
0 1 2 3 4 5 6 7 8 9 10 11
>>>a = np.arange(12).reshape(3, 4)
>>>for x in np.nditer(a, order='F'):
print(x, end=' ')
0 4 8 1 5 9 2 6 10 3 7 11
>>>a = np.arange(12).reshape(3, 4)
>>>for x in np.nditer(a, order='K'):
print(x, end=' ')
0 1 2 3 4 5 6 7 8 9 10 11
>>>a = np.arange(12).reshape(3, 4)
>>>for x in np.nditer(a, order='A'):
print(x, end=' ')
0 1 2 3 4 5 6 7 8 9 10 11
3. 修改数组值
在使用 nditer 对象迭代数组时,默认情况下是只读状态。因此,如果需要修改数组,可以使用参数 op_flags = ‘readwrite’ or ‘writeonly’ 来标志为读写或只读模式。
此时,nditer 在迭代时将生成可写的缓冲区数组,可以在此进行修改。为了在修改后,可以将修改的数据回写到原始位置,需要在迭代结束后,抛出迭代结束信号,有两种方式:
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>with np.nditer(a, op_flags=['readwrite']) as it:
for x in it:
x += 10
>>>print(a)
[[0 1 2 3]
[4 5 6 7]
[8 9 10 11]]
[[10 11 12 13]
[14 15 16 17]
[18 19 20 21]]
4. 使用外部循环,跟踪索引或多索引
以上操作在迭代过程中,都是逐元素进行的,这虽然简单,但是效率不高。可以使用参数 flags 让 nditer 迭代时提供更大的块。并可以通过强制设定 C 和 F 顺序,得到不同的块大小。
# 默认情况下保持本机的内存顺序,迭代器提供单一的一维数组
# 'external_loop' 给出的值是具有多个值的一维数组,而不是零维数组
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>for x in np.nditer(a, flags=['external_loop']):
print(x, end=' ')
[[0 1 2 3]
[4 5 6 7]
[8 9 10 11]]
[0 1 2 3 4 5 6 7 8 9 10 11],
# 设定 'F' 顺序
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>for x in np.nditer(a, flags=['external_loop'], order='F'):
print(x, end=' ')
[[0 1 2 3]
[4 5 6 7]
[8 9 10 11]]
[0 4 8], [1 5 9], [2 6 10], [3 7 11],
# 'c_index' 可以通过 it.index 跟踪 'C‘顺序的索引
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>it = np.nditer(a, flags=['c_index'])
>>>for x in it:
print("{}: ({})".format(x, it.index))
[[0 1 2 3]
[4 5 6 7]
[8 9 10 11]]
0: (0)
1: (1)
2: (2)
3: (3)
4: (4)
5: (5)
6: (6)
7: (7)
8: (8)
9: (9)
10: (10)
11: (11)
# 'f_index' 可以通过 it.index 跟踪 'F‘顺序的索引
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>it = np.nditer(a, flags=['c_index'])
>>>for x in it:
print("{}: ({})".format(x, it.index))
[[0 1 2 3]
[4 5 6 7]
[8 9 10 11]]
0: (0)
1: (3)
2: (6)
3: (9)
4: (1)
5: (4)
6: (7)
7: (10)
8: (2)
9: (5)
10: (8)
11: (11)
# 'multi_index' 可以通过 it.multi_index 跟踪数组索引
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>it = np.nditer(a, flags=['multi_index'])
>>>for x in it:
print("{}: {}".format(x, it.multi_index))
[[0 1 2 3]
[4 5 6 7]
[8 9 10 11]]
0: (0, 0)
1: (0, 1)
2: (0, 2)
3: (0, 3)
4: (1, 0)
5: (1, 1)
6: (1, 2)
7: (1, 3)
8: (2, 0)
9: (2, 1)
10: (2, 2)
11: (2, 3)
external_loop 与 multi_index、c_index、c_index 不可同时使用,否则将引发错误 ValueError: Iterator flag EXTERNAL_LOOP cannot be used if an index or multi-index is being tracked
5. 以特定数据类型迭代
当需要以其它的数据类型来迭代数组时,有两种方法:
# 临时副本
>>>a = np.arange(12).reshape(3, 4)
>>>print(a.dtype)
>>>it = np.nditer(a, op_flags=['readonly', 'copy'],op_dtypes=[np.float64])
>>>for x in it:
print("{}".format(x), end=',')
int32
0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0, 11.0,
# 缓冲模式
>>>a = np.arange(12).reshape(3, 4)
>>>print(a.dtype)
>>>it = np.nditer(a, flags=['buffered'],op_dtypes=[np.float64])
>>>for x in it:
print("{}".format(x), end=',')
int32
0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0, 11.0,
注意
默认情况下,转化会执行“安全”机制,如果不符合 NumPy 的转换规则,会引发异常:TypeError: Iterator operand 0 dtype could not be cast from dtype('float64') to dtype('float32') according to the rule 'safe'
二、广播数组迭代
如果不同形状的数组是可广播的,那么 dtype 可以迭代多个数组。
>>> a = np.arange(3)
>>> b = np.arange(6).reshape(2,3)
>>> for x, y in np.nditer([a,b]):
print("%d:%d" % (x,y), end=' ')
0:0 1:1 2:2 0:3 1:4 2:5
到此这篇关于 NumPy 迭代数组的实现的文章就介绍到这了
正文完
星哥说事-微信公众号
![post-qrcode](https://www.xgss.net/wp-content/uploads/2023/07/二维码-微信公众号256x256.jpg)