NumPy迭代數組的實現
迭代數組
NumPy中引入瞭 nditer 對象來提供一種對於數組元素的訪問方式。
一、單數組迭代
1. 使用 nditer 訪問數組的每個元素
>>>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 # 以上實例不是使用標準 C 或者 Fortran 順序,選擇的順序是和數組內存佈局一致的, # 這樣做是為瞭提升訪問的效率,默認是行序優先(row-major order,或者說是 C-order)。 # 這反映瞭默認情況下隻需訪問每個元素,而無需考慮其特定順序。 # 我們可以通過迭代上述數組的轉置來看到這一點, # 並與以 C 順序訪問數組轉置的 copy 方式做對比,如下實例: >>>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. 控制數組元素的迭代順序
使用參數 order 控制元素的訪問順序,參數的可選值有:
- ‘C’:C order,即是行序優先;
- ‘F’:Fortran order,即是列序優先;
- ’K’:參考數組元素在內存中的順序;
- ‘A’:表示’F’順序;
>>>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. 修改數組值
在使用 nditer 對象迭代數組時,默認情況下是隻讀狀態。因此,如果需要修改數組,可以使用參數 op_flags = 'readwrite' or 'writeonly' 來標志為讀寫或隻讀模式。
此時,nditer 在迭代時將生成可寫的緩沖區數組,可以在此進行修改。為瞭在修改後,可以將修改的數據回寫到原始位置,需要在迭代結束後,拋出迭代結束信號,有兩種方式:
- 使用 with 上下文管理器;
- 在迭代結束後,調用迭代器的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. 使用外部循環,跟蹤索引或多索引
以上操作在迭代過程中,都是逐元素進行的,這雖然簡單,但是效率不高。可以使用參數 flags 讓 nditer 迭代時提供更大的塊。並可以通過強制設定 C 和 F 順序,得到不同的塊大小。
# 默認情況下保持本機的內存順序,迭代器提供單一的一維數組 # 'external_loop' 給出的值是具有多個值的一維數組,而不是零維數組 >>>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], # 設定 'F' 順序 >>>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' 可以通過 it.index 跟蹤 'C‘ 順序的索引 >>>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' 可以通過 it.index 跟蹤 'F‘ 順序的索引 >>>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' 可以通過 it.multi_index 跟蹤數組索引 >>>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 與 multi_index、c_index、c_index不可同時使用,否則將引發錯誤 ValueError: Iterator flag EXTERNAL_LOOP cannot be used if an index or multi-index is being tracked
5. 以特定數據類型迭代
當需要以其它的數據類型來迭代數組時,有兩種方法:
- 臨時副本:迭代時,會使用新的數據類型創建數組的副本,然後在副本中完成迭代。但是,這種方法會消耗大量的內存空間。
- 緩沖模式: 使用緩沖來支持靈活輸入,內存開銷最小。
# 臨時副本 >>>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, # 緩沖模式 >>>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,
註意
默認情況下,轉化會執行“安全”機制,如果不符合 NumPy 的轉換規則,會引發異常:TypeError: Iterator operand 0 dtype could not be cast from dtype('float64') to dtype('float32') according to the rule 'safe'
二、廣播數組迭代
如果不同形狀的數組是可廣播的,那麼 dtype 可以迭代多個數組。
>>> 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
到此這篇關於NumPy迭代數組的實現的文章就介紹到這瞭,更多相關NumPy迭代數組內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Python NumPy教程之遍歷數組詳解
- python數學建模之Numpy 應用介紹與Pandas學習
- NumPy-ndarray 的數據類型用法說明
- python數學建模是加深Numpy和Pandas學習
- Python NumPy教程之數組的創建詳解