Iteración de arrays de NumPy

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。

接下来我们使用 arange() 函数创建一个 2X3 数组，并使用 nditer 对它进行迭代。

import numpy as np
a = np.arange(12).reshape(2,6)
print ('El array original es:')
print (a)
print ('
')
print ('迭代输出元素：')
for x in np.nditer(a):
　　　　print (x, end=" ")

El resultado de salida es:

原始数组如下：
[[ 0　1　2　3　4　5]
　[　6　7　8　9　10　11]]
迭代输出数组元素如下：
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：

import numpy as np
a = np.arange(12).reshape(2,6)
for x in np.nditer(a.T):
　　　　print (x, end=" ")
print ('
')
for x in np.nditer(a.T.copy(order='C')):
　　　　print (x, end=" ")

El resultado de salida es:

0　1　2　3　4　5　6　7　8　9　10　11　
0　6　1　7　2　8　3　9　4　10　5　11

A partir de los ejemplos anteriores, se puede ver que la secuencia de recorrida de a y a.T es la misma, es decir, su secuencia de almacenamiento en memoria también es la misma, pero a.T.copy(order = 'C') Los resultados de la recorrida son diferentes, porque su forma de almacenamiento es diferente a las anteriores, por defecto es de acceso por filas.

Controlar el orden de la recorrida

for x in np.nditer(a, order='F'): El orden Fortran, es decir, el acceso por columnas primero;for x in np.nditer(a.T, order='C'): El orden C, es decir, el acceso por filas primero;

import numpy as np
a = np.arange(0,100,5)
a = a.reshape(4,5)
print ('El array original es:')
print (a)
print ('
')
print('La transpuesta del array original es:')
b = a.T
print (b)
print ('
')
print('Ordenar en estilo C:')
c = b.copy(order='C')
print(c)
for x in np.nditer(c):
　　　　print (x, end=" ")
print ('
')
print('Ordenar en estilo F:')
c = b.copy(order='F')
print(c)
for x in np.nditer(c):
　　　　print (x, end=" ")

El resultado de salida es:

El array original es:
[[ 0　5　10　15　20]
　[25　30　35　40　45]
　[50　55　60　65　70]
　[75　80　85　90　95]]
La transpuesta del array original es:
[[ 0　25　50　75]
　[　5　30　55　80]
　[10　35　60　85]
　[15　40　65　90]
　[20　45　70　95]]
Ordenar en estilo C:
[[ 0　25　50　75]
　[　5　30　55　80]
　[10　35　60　85]
　[15　40　65　90]
　[20　45　70　95]]
0　25　50　75　5　30　55　80　10　35　60　85　15　40　65　90　20　45　70　95　
Ordenar en estilo F:
[[ 0　25　50　75]
　[　5　30　55　80]
　[10　35　60　85]
　[15　40　65　90]
　[20　45　70　95]]
0　5　10　15　20　25　30　35　40　45　50　55　60　65　70　75　80　85　90　95

Se puede establecer explícitamente para forzar al objeto nditer a usar una cierta secuencia:

import numpy as np
a = np.arange(0,100,5)
a = a.reshape(4,5)
print ('El array original es:')
print (a)
print ('
')
print('Ordenar en estilo C:')
for x in np.nditer(a, order='C'):
　　　　print(x, end=', ')
print ('
')
print('Ordenar en estilo F:')
for x in np.nditer(a, order='F'):
　　　　print (x, end=" ")

El resultado de salida es:

El array original es:
[[ 0　5　10　15　20]
　[25　30　35　40　45]
　[50　55　60　65　70]
　[75　80　85　90　95]]
Ordenar en estilo C:
0,　5,　10,　15,　20,　25,　30,　35,　40,　45,　50,　55,　60,　65,　70,　75,　80,　85,　90,　95,　
Ordenar en estilo F:
0　25　50　75　5　30　55　80　10　35　60　85　15　40　65　90　20　45　70　95

Modificar el valor de los elementos del array

El objeto nditer tiene otro parámetro opcional op_flags. Por defecto, nditer considera el array que se va a iterar como un objeto de solo lectura (read)-Para modificar el valor de los elementos del array mientras se recorre el array, debe especificarse read.-write o write-Modo only.

import numpy as np
a = np.arange(0,100,5)
a = a.reshape(4,5)
print ('El array original es:')
print (a)
print ('
')
for x in np.nditer(a, op_flags=['readwrite']):
　　　　x[...]=2*x
print ('El array modificado es:')
print (a)

El resultado de salida es:

El array original es:
[[ 0　5　10　15　20]
　[25　30　35　40　45]
　[50　55　60　65　70]
　[75　80　85　90　95]]
El array modificado es:
[[ 0　10　20　30　40]
　[　50　60　70　80　90]
　[100　110　120　130　140]
　[150　160　170　180　190]]

Uso de bucle externo

El constructor de la clase nditer tiene un parámetro flags, que puede aceptar los siguientes valores:

En el siguiente ejemplo, el iterador recorre cada columna correspondiente y las combina en un array unidimensional.

import numpy as np
a = np.arange(0,100,5)
a = a.reshape(4,5)
print ('El array original es:')
print (a)
print ('
')
print ('El array modificado es:')
for x in np.nditer(a, flags = ['external_loop'], order = 'F'):
　　　　print (x, end=" ")

El resultado de salida es:

El array original es:
[[ 0　5　10　15　20]
　[25　30　35　40　45]
　[50　55　60　65　70]
　[75　80　85　90　95]]
El array modificado es:
[ 0　25　50　75] [　5　30　55　80] [10　35　60　85] [15　40　65　90] [20　45　70　95]

Iteración difusa

Si dos arrays son difusibles, el objeto de combinación nditer puede iterarlos simultáneamente. Supongamos que la dimensión del array a es 3X4，la dimensión del array b es 1X4 ，entonces se utiliza el siguiente iterador (el array b se emite al tamaño de a).

import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print ('El primer array es:')
print (a)
print ('
')
print ('El segundo array es:')
b = np.array([1,　2,　3,　4], dtype = int)
print (b)
print ('
')
print ('El array modificado es:')
for x,y in np.nditer([a,b]):
　　　　print ("%d:%d" % (x,y), end=" ")

El resultado de salida es:

El primer array es:
[[ 0　5　10　15]
　[20　25　30　35]
　[40　45　50　55]]
El segundo array es:
[1　2　3　4]
El array modificado es:
0:1,　5:2,　10:3,　15:4,　20:1,　25:2,　30:3,　35:4,　40:1,　45:2,　50:3,　55:4,