8、numpy——数组的迭代
1、单数组的迭代
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。
1.1 默认迭代顺序
import numpy as np
a = np.arange(6).reshape(2, 3)
b = a.T # b为a的装置
print('a=', a)
for i in np.nditer(a):
print(i)
print('b=', b)
for i in np.nditer(b):
print(i)
执行结果:
a= [[0 1 2]
[3 4 5]]
0
1
2
3
4
5
b= [[0 3]
[1 4]
[2 5]]
0
1
2
3
4
5
注意:通过该种方式迭代输出的是以元素在存储器中的布局顺序输出的,无论其视图做何种改变(转置,变换shape),其输出结果是一致的,该中方式可以提高迭代效率
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。
1.2 控制迭代的顺序
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;
import numpy as np a = np.arange(0,60,5)
a = a.reshape(3,4)
print ('原始数组是:')
print (a)
print ('\n')
print ('原始数组的转置是:')
b = a.T
print (b)
print ('\n')
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=", " )
执行结果:
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,
可以通过显式设置,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 ('\n')
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=", " )
执行结果:
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, 5
1.3 修改数组中的元素
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。
import numpy as np 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)
执行结果:
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]]
2、数组迭代(Iterating over arrays)
该部分内容位于numpy-ref-1.14.5中的3.15.4 Iterating over arrays 章节
numpy.nditer 为高效多维迭代器对象,用于对数组的迭代。
flags:sequence of str ,optional
用于控制迭代器行为的标志(flags)
buffrered - 再需要时可以缓冲
c_index - 跟踪C顺序的索引
f_index - 跟踪F顺序的索引
multi_index - 跟踪 多指标,或每个迭代维度的一组指数
external_loop - 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的矢量操作在处理更大规模数据时变得更有效率。
op_flags:list of list of str , optional
这是每个操作数的标志列表。至少必须指定一个“只读”、“读写”或“写”。
readonly - 该操作数表明可以读取
readwrite - 该操作数表明可以读取和写入
writeonly - 该操作数表明仅写入
no_broadcast - 该操作数可以防止被广播
copy - 该操作数表明允许临时只读拷贝
op_dtypes:dtype or tuple of dtype(s), optional
操作数所需的数据类型(s)。
order:{‘C’, ‘F’, ‘A’, ‘K’}, optional
控制迭代顺序(Controls the iteration order)
2.1 使用外部循环 external_loop
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)
print(a)
# [[0 1 2]
# [3 4 5]]
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 = 'C'):
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]
2.2 追踪单个索引或多重索引
a = np.arange(6).reshape(2,3)
print(a)
# [[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>
为了更清楚地表述,可以直观地看下表
flags = multi_index
a = np.arange(6).reshape(2,3)
print(a)
# [[0 1 2]
# [3 4 5]]
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)>
multi_index是将元素的行列位置以元组方式打印出来,但元组形式不是整型,所以要将 %d 变为 %s,
若不改,则会报错 TypeError: %d format: a number is required, not tuple
import numpy as np
a = np.arange(6).reshape(1,2,3)
print(a)
# [[[0 1 2]
# [3 4 5]]]
it = np.nditer(a,flags = ['multi_index']) while not it.finished:
print("%d <%s>" % (it[0], it.multi_index))
it.iternext()
# 0 <(0, 0, 0)>
# 1 <(0, 0, 1)>
# 2 <(0, 0, 2)>
# 3 <(0, 1, 0)>
# 4 <(0, 1, 1)>
# 5 <(0, 1, 2)>
2.3 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 具有维度 3*4 ,并且存在维度为 1*4的另一个数组b,则使用以下类型的迭代器(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 ('\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=", " )
执行结果:
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,
最新文章
- lua 入门学习
- GDB调试汇编栈堆过程的学习
- devexpress13学习系列(三)PDFViewer(3)
- java:找出占用CPU资源最多的那个线程(HOW TO)
- 第一次在手机上跑动ane
- python unicode 字节串转成中文问题
- 解析搜狗实验室精简版数据:1、批量将.txt编码格式转化为utf8 2、解析提取数据
- java_集合类_简
- 吴裕雄 python 数据可视化
- Xshell配置密钥公钥(Public key)与私钥(Private Key)登录
- C++之二阶构造模式
- 【SPL标准库专题(10)】SPL Exceptions
- O​r​a​c​l​e​ ​1​1​g​ ​客​户​端​安​装​及​p​l​s​q​l​配​置
- Oracle-归档日志详解(运行模式、分类)
- mysql 外键约束示例
- 用VSTS进行网站压力测试
- SQL高效分页(百万条数据)
- bzoj1467 Pku3243 clever Y
- iview框架modal中嵌套modal
- TypeScript 接口(三)