NumPy 迭代数组学习笔记

迭代函数

NumPy包含一个迭代器对象numpy.nditer。它是一个有效的多维迭代器对象，可以用来对数组进行迭代。该迭代器对象具有诸如C语言、Fortran等底层序列迭代器的许多好处。

numpy.nditer的基本语法

pythonCopy Code
numpy.nditer(arrays, flags=['buffered'], op_flags=['readwrite'])

• arrays：要迭代的数组。
• flags：可以包括零个或多个以下值：
  • c_index：可以通过索引使用C顺序进行迭代。
  • f_index：可以通过索引使用Fortran顺序进行迭代。
  • multi-index：每次迭代可以同时按照单个索引和多个索引。
  • external_loop：给出的值是具有多个值的一维数组，而不是零维数组。
  • buffered：缓存底层内存，提供更好的性能。
• op_flags：可以包括零个或多个以下值：
  • readwrite：数组是可读写的。
  • readonly：数组是只读的。
  • writeonly：数组是只写的。

示例

pythonCopy Code
import numpy as np

a = np.array([1, 2, 3])
for x in np.nditer(a):
    print(x)

输出结果：

Copy Code
1
2
3

广播迭代

如果要在两个形状不同的数组上进行迭代，NumPy广播迭代可以用来处理这种情况。这是一种隐式扩展数组操作，它可以将较小的数组广播到与另一个较大的数组具有相同的形状。

示例

pythonCopy Code
import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# 使用广播迭代将两个数组进行迭代
for x, y in np.nditer([a, b]):
    print(x, y)

输出结果：

Copy Code
1 4
2 5
3 6

ndenumerate 函数

可以使用ndenumerate函数来同时迭代索引和元素值。

示例

pythonCopy Code
import numpy as np

a = np.array([1, 2, 3])
for index, x in np.ndenumerate(a):
    print(index, x)

输出结果：

Copy Code
(0,) 1
(1,) 2
(2,) 3

参考文献

• NumPy官方文档