python3-numpy np.nditer 迭代数组、np.nditer修改数组、np.nditer广播迭代

1、基本使用

import numpy as np"""
NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。
迭代器最基本的任务的可以完成对数组元素的访问。
"""
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=", " )
print("\n ")
"""
原始数组是：
[[0 1 2][3 4 5]]
迭代输出元素：
0, 1, 2, 3, 4, 5, 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）。
"""
# 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：
a = np.arange(6).reshape(2, 3)
for x in np.nditer(a.T):print(x, end=", ")  # 0, 1, 2, 3, 4, 5,
print('\n')for x in np.nditer(a.T.copy(order='C')):print(x, end=", ")  # 0, 3, 1, 4, 2, 5,
print('\n')print(a.T)
print(a.T.copy(order='C'))
"""
[[0 3][1 4][2 5]]
[[0 3][1 4][2 5]]从上述例子可以看出，a 和 a.T 的遍历顺序是一样的，也就是他们在内存中的存储顺序也是一样的，但是 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。
"""

2、控制遍历顺序

for x in np.nditer(a, order=‘F’):Fortran order，即是列序优先；
for x in np.nditer(a.T, order=‘C’):C order，即是行序优先；
方式一、使用copy

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  ('\n')
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,
"""

方式二、显式设置，强制 nditer 对象使用某种顺序

# 可以通过显式设置，来强制 nditer 对象使用某种顺序：
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 ('\n')
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,
"""

3、修改数组中元素的值

nditer 对象有另一个可选参数 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，实现对数组元素值得修改，必须指定 read-write 或者 write-only 的模式。

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

4、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）。

a = np.arange(0,60,5)
a = a.reshape(3,4)
print  ('第一个数组为：')
print (a)
print  ('\n')
print ('第二个数组为：')
b = np.array([1,  2,  3,  4], dtype =  int)
print (b)
print ('\n')
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, """

https://www.runoob.com/numpy/numpy-terating-over-array.html

python3-numpy np.nditer 迭代数组、np.nditer修改数组、np.nditer广播迭代相关推荐

B10_NumPy数组操作、修改数组形状、翻转数组、修改数组维度、连接数组、分割数组、数组元素的添加与删除
NumPy数组操作 Numpy 中包含了一些函数用于处理数组,大概可分为以下几类: 修改数组形状翻转数组修改数组维度连接数组分割数组数组元素的添加与删除修改数组形状函数描述 resha ...
java改变数组长度_Java修改数组长度
java中没有关于修改数组长度的api,在此本人提供了修改数组长度的两个函数:arrayAddLength()和arrayReduceLength().详细见代码. [java] view plain ...
js基础（数组）--数组类型、类数组对象、作为数组的字符串
1.数组类型我们到处都可以看见数组是具有特殊行为的对象.给定一个未知的对象,判定它是否为数组通常非常有用.在ECMAScript 5中,可以使用Array.isArray()函数来做这件事情:Ar ...
java基础5 (一维)数组和二维数组
本文知识点(目录): 一维数组(一维数组的概念.优点.格式.定义.初始化.遍历.常见异常.内存分析以及常见操作(找最大值.选择排序.冒泡排序等等)) 二维数组(二维数组的遍历.排序.查找.定义 ...
修改数组相应位置元素——splice（）
版权声明:本文为博主原创文章,未经博主允许不得转载. splice()--所有主流浏览器都支持 splice() 方法. 定义和用法 splice() 方法向/从数组中**添加/删除**项目,然后返回 ...
python使用numpy中的flatten函数将2D numpy数组拉平为1Dnumpy数组、使用np.linalg.matrix_rank函数计算2D numpy数组的秩(rank)
python使用numpy中的flatten函数将2D numpy数组拉平为1Dnumpy数组.使用np.linalg.matrix_rank函数计算2D numpy数组的秩(rank) 目录
python使用numpy的np.float_power函数计算numpy数组中每个数值的指定幂次（例如平方、立方）、np.power函数默认返回整数格式、np.float_power函数返回浮点数
python使用numpy的np.float_power函数计算numpy数组中每个数值的指定幂次(例如平方.立方).np.power函数默认返回整数格式.np.float_power函数默认返回浮点 ...
python使用numpy的np.power函数计算numpy数组中每个数值的指定幂次（例如平方、立方）、np.power函数默认返回整数格式、np.float_power函数默认返回浮点数
python使用numpy的np.power函数计算numpy数组中每个数值的指定幂次(例如平方.立方).np.power函数默认返回整数格式.np.float_power函数默认返回浮点数目录
python3 numpy中矩阵np.dot(a,b)乘法运算
python np.dot(a,b)乘法运算首先我们知道矩阵运算是不满足交换律的,np.dot(a, b)与np.dot(b, a)是不一样的另外np.dot(a,b)和a.dot(b)果是一样的 ...