NumPy 迭代数组

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(6).reshape(2,3)

print ('迭代输出元素：')

for x in np.nditer(a):

    print (x,end=",")

 

在 a.T.copy(order='C') 中，order 参数用于控制数组副本的内存布局方式。以下是各选项的区别：

'C'‌（C 风格顺序）：采用行优先（row-major）存储方式。在多维数组中，先存储第一行的所有元素，接着是第二行的元素，依此类推。对于二维数组，元素在内存中按行依次排列，即 arr[0, 0]、arr[0, 1]、arr[0, 2] ... arr[1, 0]、arr[1, 1] ... 适用于与 C 和 Python 语言交互或进行按行访问操作。

'F'‌（Fortran 风格顺序）：采用列优先（column-major）存储方式。在多维数组中，先存储第一列的所有元素，接着是第二列的元素，依此类推。适用于与 Fortran 语言交互或进行按列访问操作。

'A'‌：如果数组是 Fortran 连续的（即列优先存储），则使用 'F'；否则使用 'C'。这通常用于保持原数组的内存连续性。

'K'‌：尽可能匹配原数组的内存布局。这意味着复制后的数组会保持与原数组相同的内存布局顺序。

 

 

转置数组：a.T 会将数组的行和列进行交换。

import numpy as np

 

a = np.arange(6).reshape(2,3)

print(a)

print("$"*30)

for x in np.nditer(a.T):

    print (x, end=", " )

print('\n')

for x in np.nditer(a.T.copy(order="C")):

    print (x, end=", " )

print('\n')

for x in np.nditer(a.T.copy(order="A")):

    print (x, end=", " )

print('\n')

for x in np.nditer(a.T.copy(order="F")):

    print (x, end=", " )

print('\n')

for x in np.nditer(a.T.copy(order="K")):

    print (x, end=", " )

 

import numpy as np

 

a = np.arange(6).reshape(2,3)

print(a)

print("$"*30)

for x in np.nditer(a.T.copy(order="C")):

    print (x, end=", " )

print('\n')

for x in np.nditer(a,order="C"):

    print (x, end=", " )

 

 

- `a.T.copy(order='C')` 创建了一个转置数组的副本，按照 C 风格存储，元素顺序为 `0, 3, 1, 4, 2, 5`
- `a` 按照 C 风格遍历时，元素顺序为 `0, 1, 2, 3, 4, 5`

两个遍历方式虽然都使用了 C-order，但因为原始数组不同，输出结果也不同。

 

import numpy as np

 

a = np.arange(6).reshape(2,3)

print(a)

print("$"*30)

for x in np.nditer(a.T,order="C"):

    print (x, end=", " )

print('\n')

for x in np.nditer(a,order="C"):

    print (x, end=", " )

print('\n')

for x in np.nditer(a,order="F"):

    print (x, end=", " )

 

 

 

当对转置数组 `a.T` 使用 `order='C'` 时，由于 `a.T` 本身是原数组的视图，其内存布局与原数组不同，但指定 `order='C'` 后，`np.nditer` 会按照 C 风格的顺序来访问元素，这可能导致与直接对原数组遍历不同的结果。

需要注意的是，`a.T` 和 `a` 的内存布局不同，因此即使都使用 `order='C'`，遍历结果可能不同。

 

修改数组中元素的值

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，实现对数组元素值的修改，必须指定 readwrite 或者 writeonly 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)

for x in np.nditer(a, op_flags=['readwrite']):

    x[...]=2*x

print ('修改后的数组是：')

print (a)

 

 

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 的维度为 3X4，数组 b 的维度为 1X4 ，则使用以下迭代器（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=", " )