nditer —— numpy.ndarray 多维数组的迭代

1. Single array iteration

>>> a = np.arange(6).reshape(2,3)
>>> for x in np.nditer(a):
...     print x,
...
0 1 2 3 4 5

也即默认是行序优先（row-major order，或者说是 C-order），这样迭代遍历的目的在于，实现和内存分布格局的一致性，以提升访问的便捷性；

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

也即对 a 和 a.T 的遍历执行的是同意顺序，也即是它们在内存中的实际存储顺序。

2. 控制遍历顺序

for x in np.nditer(a, order='F'):Fortran order，也即是列序优先；
for x in np.nditer(a.T, order='C'):C order，也即是行序优先；

3. 修改数组中元素的值

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
array([[0, 1, 2],[3, 4, 5]])
>>> for x in np.nditer(a, op_flags=['readwrite']):
...     x[...] = 2 * x
...
>>> a
array([[ 0,  2,  4],[ 6,  8, 10]])

4. 使用外部循环

将一维的最内层的循环转移到外部循环迭代器，使得 numpy 的矢量化操作在处理更大规模数据时变得更有效率。

>>> a = np.arange(6).reshape(2,3)
>>> for x in np.nditer(a, flags=['external_loop']):
...     print x,
...
[0 1 2 3 4 5]
>>>
>>> for x in np.nditer(a, flags=['external_loop'], order='F'):
...     print x,
...
[0 3] [1 4] [2 5]

5. 追踪单个索引或多重索引（multi-index）

>>> a = np.arange(6).reshape(2,3)
>>> a
array([[0, 1, 2],[3, 4, 5]])
>>> it = np.nditer(a, flags=['f_index'])
>>> while not it.finished:
...     print "%d <%d>" % (it[0], it.index),
...     it.iternext()
...
0 <0> 1 <2> 2 <4> 3 <1> 4 <3> 5 <5># 索引的编号，以列序优先

>>> it = np.nditer(a, flags=['multi_index'])
>>> while not it.finished:
...     print "%d <%s>" % (it[0], it.multi_index),
...     it.iternext()
...
0 <(0, 0)> 1 <(0, 1)> 2 <(0, 2)> 3 <(1, 0)> 4 <(1, 1)> 5 <(1, 2)>

references

Iterating Over Arrays

nditer —— numpy.ndarray 多维数组的迭代相关推荐

numpy ndarray 多维数组的内存管理
1. ndarray.flags:内存布局(layout) https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.fla ...
Numpy之N维数组-ndarray
Numpy之N维数组-ndarray 1 ndarray的属性数组属性反映了数组本身固有的信息. 属性名字属性解释 ndarray.shape 数组维度的元组 [假如是8行5列的数组,将会返 ...
NumPy 创建多维数组
NumPy 创建多维数组 arange 函数创建的数组作为列表元素,把这个列表作为参数传给 array 函数,从而创建了一个 2 × 2 的数组,而且没有出现任何报错信息. Example 1 #!/ ...
Numpy 笔记: 多维数组的切片(slicing)和索引(indexing)【转】
目录切片(slicing)操作索引(indexing) 操作最简单的情况获取多个元素切片和索引的同异切片(slicing)操作 Numpy 中多维数组的切片操作与 Python 中 lis ...
numpy获取二维数组某一行、某一列
numpy获取二维数组某一行.某一列 1.需求有一个二维数组: a = [[1, 2, 3, 4, 5, 6],[7, 8, 9, 10, 11, 12],[13.2, 14.8, 15.9, 16 ...
Python numpy实现二维数组和一维数组拼接
撰写时间:2017.5.23 一维数组 1.numpy初始化一维数组 a = np.array([1,2,3]); print a.shape 输出的值应该为(3,) 二维数组 2.numpy初始化二 ...
python一维数组和二维数组,Python numpy实现二维数组和一维数组拼接的方法
撰写时间:2017.5.23 一维数组 1.numpy初始化一维数组 a = np.array([1,2,3]); print a.shape 输出的值应该为(3,) 二维数组 2.numpy初始化二 ...
图解数据分析(9) | Numpy - 与1维数组操作（数据科学家入门·完结）
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/33 本文地址:https://www.showmeai.tech/article-d ...
图解数据分析(10) | Numpy - 与2维数组操作（数据科学家入门·完结）
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/33 本文地址:https://www.showmeai.tech/article-d ...

nditer —— numpy.ndarray 多维数组的迭代

1. Single array iteration

2. 控制遍历顺序

3. 修改数组中元素的值

4. 使用外部循环

5. 追踪单个索引或多重索引（multi-index）

references

nditer —— numpy.ndarray 多维数组的迭代相关推荐

最新文章

热门文章