numpy迭代陣列nditer

使用nditer可以完成逐個訪問陣列中的元素。

a = np.arange(4).reshape(2, 2)
for i in a:
print(i)
for i in np.nditer(a):
print(i)

結果：

[0 1]
[2 3]01
23

對於一維陣列結果一樣，但是多維就有區別了

nditer物件提供了乙個order引數來控制迭代順序。其引數order有三個可選引數：k，f，c

具有上述行為的預設值是order ='k』以保持現有訂單。對於c順序，可以使用order ='c』覆蓋它，對於fortran順序，可以使用order ='f』覆蓋它。

其中「k」是預設的，其結果與與原來的沒有區別，逐個讀取元素；

「c」：c order，即行序優先；；

「f」：fortran order，即列序優先；

2.1二維

a = np.arange(6).reshape(2, 3)
print(a)
for i in np.nditer(a, order='c'):
print(i)
print("---------")
for i in np.nditer(a, order='f'):
print(i)
print("---------")
for i in np.nditer(a, order='k'):
print(i)

結果：

[[0 1 2]
[3 4 5]]01
2345
---------03
1425
---------01
2345

可以看出二維情況下"f"引數確實就是可以看過按列讀取元素

2.2三維

a = np.arange(18).reshape(2, 3, 3)
print(a)
for i in np.nditer(a, order='c'):
print(i)
print("---------")
for i in np.nditer(a, order='f'):
print(i)
print("---------")
for i in np.nditer(a, order='k'):
print(i)

結果：

[[[ 0  1  2]
[ 3  4  5]
[ 6  7  8]]
[[ 9 10 11]
[12 13 14]
[15 16 17]]]01
2345
6789
1011
1213
1415
1617
---------09
312615
110413
716211
514817
---------01
2345
6789
1011
1213
1415
1617

注意三維陣列列序優先時的讀取順序。

並不推薦這種方法來修改陣列值，可以作為參考

預設情況下，nditer將輸入陣列視為唯讀物件。要修改陣列元素，必須指定讀寫或只寫模式。這是用每運算元標誌控制的。

python中的常規賦值只是更改本地或全域性變數字典中的引用，而不是修改現有變數。這意味著簡單地分配給x不會將值放入陣列的元素中，而是將x作為陣列元素引用切換為對指定值的引用。要實際修改陣列的元素，x應該用省略號索引。

a = np.arange(6).reshape(2, 3)
for x in np.nditer(a, op_flags=['readwrite']):
x[...] = 2*x
print(a)
[[ 0  2  4]
[ 6  8 10]]

在目前為止的所有示例中，a的元素由迭代器一次提供乙個，因為所有迴圈邏輯都是迭代器的內部邏輯。雖然這很簡單方便，但效率不高。更好的方法是將一維最內層迴圈移動到迭代器外部的**中。這樣，numpy的向量化操作可以用在被訪問元素的較大塊上。

nditer將嘗試提供盡可能大的內部迴圈塊。通過強制』c』和』f』順序，我們得到不同的外部迴圈大小。通過指定迭代器標誌來啟用此模式。

a = np.arange(6).reshape(2, 3)
for x in np.nditer(a, flags=['external_loop'], order='c'):
print(x)
print("--------------")
for x in np.nditer(a, flags=['external_loop'], order='f'):
print(x)

結果：注意行序優先中輸出的乙個陣列，而不是乙個個的數字元素

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

在迭代期間，你可能希望在計算中使用當前元素的索引。例如，你可能希望按記憶體順序訪問陣列的元素，然後使用c順序，fortran順序或多維索引來查詢不同陣列中的值。

5.1multi_index

下面**中order引數根據自己需要選擇，也可以不寫預設按行逐個讀取元素

a = np.arange(6).reshape(2, 3)
it = np.nditer(a, flags=['multi_index'], order="f")
while not it.finished:
print("%d < %s>" %(it[0], it.multi_index))
it.iternext()

結果： it.multi_index代表元素的索引，以元組形式輸出

0 < (0, 0)>
3 < (1, 0)>
1 < (0, 1)>
4 < (1, 1)>
2 < (0, 2)>
5 < (1, 2)>

5.2 f_index

a = np.arange(6).reshape(2, 3)
it = np.nditer(a, flags=['f_index'])
while not it.finished:
print("%d < %d>" % (it[0], it.index))
it.iternext()

結果：索引的編號，以列序優先

0 < 0>
1 < 2>
2 < 4>
3 < 1>
4 < 3>
5 < 5>

通過啟用緩衝模式，迭代器提供給內部迴圈的塊可以變得更大，從而顯著減少python直譯器的開銷。在強制fortran迭代順序的示例中，當啟用緩衝時，內部迴圈可以一次性檢視所有元素。

a = np.arange(6).reshape(2, 3)
for x in np.nditer(a, flags=['external_loop','buffered'], order='f'):
print(x)

輸出：

[0 3 1 4 2 5]

**：

a = np.arange(3)
b = np.arange(6).reshape(2,3)
for x, y in np.nditer([a,b]):
print("%d:%d" % (x,y))

輸出：

0:0 1:12:2 0:31:4

2:5

numpy迭代陣列nditer

NumPy 教程（第 10 章）陣列迭代

Struts2標籤迭代陣列彙總

Struts2標籤迭代陣列彙總

numpy迭代陣列nditer

NumPy 教程（第 10 章） 陣列迭代

Struts2標籤迭代陣列彙總

Struts2標籤迭代陣列彙總

相關推薦

NumPy 教程（第 10 章）陣列迭代