NumPy迭代数组的实现
更新时间：2023年02月19日 15:46:17 作者：峡谷的小鱼
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：
- ‘C’：C order，即是行序优先；
- ‘F’：Fortran order，即是列序优先；
- ’K’：参考数组元素在内存中的顺序；
- ‘A’：表示’F’顺序；
>>>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：
- 使用 with 上下文管理器；
- 在迭代结束后，调用迭代器的close方法；
>>>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：迭代时，会使用新的数据类型创建数组的副本，然后在副本中完成迭代。但是，这种方法会消耗大量的内存空间。
- 缓冲模式： 使用缓冲来支持灵活输入，内存开销最小。
# 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,更多相关NumPy迭代数组内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了python检测远程udp端口是否打开的方法,涉及Python操作socket实现检测udp端口的技巧,需要的朋友可以参考下2015-03-03
这篇文章主要介绍了如何mac下配置python虚拟环境,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,需要的朋友可以参考下2020-07-07
super 是用来解决多重继承问题的，直接用类名调用父类方法在使用单继承的时候没问题，但是如果使用多继承，会涉及到查找顺序（MRO）、重复调用（钻石继承）等种种问题。这篇文章主要给大家介绍了关于Python中super()方法的相关资料，需要的朋友可以参考下。2017-11-11
本文主要介绍了Python中loguru日志库的使用，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2023-03-03
这篇文章主要为大家详细介绍了python机器学习理论与实战第一篇，K近邻法的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-01-01
这篇文章主要为大家介绍了Python中的Sequence类型使用实例，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-12-12
这篇文章主要为大家详细介绍了python实现学生通讯录管理系统，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-02-02
今天小编就为大家分享一篇django+echart数据动态显示的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
这篇文章主要介绍了python drf各类组件的用法和作用，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下2021-01-01
这篇文章主要介绍了Python爬虫爬取新浪微博内容,结合实例形式分析了Python基于代理IP实现的微博爬取与抓包分析相关操作技巧,需要的朋友可以参考下2018-08-08
最新评论