NumPy 数组迭代

数组迭代

迭代意味着逐一遍历元素。

当我们在 numpy 中处理多维数组时,可以使用 python 的基本 for 循环来完成此操作。

如果我们对 1-D 数组进行迭代,它将逐一遍历每个元素。

迭代以下一维数组的元素:

  1. import numpy as np
  2. arr = np.array([1, 2, 3])
  3. for x in arr:
  4. print(x)

迭代 2-D 数组

在 2-D 数组中,它将遍历所有行。

迭代以下二维数组的元素:

  1. import numpy as np
  2. arr = np.array([[1, 2, 3], [4, 5, 6]])
  3. for x in arr:
  4. print(x)

如果我们迭代一个 n-D 数组,它将逐一遍历第 n-1 维。

如需返回实际值、标量,我们必须迭代每个维中的数组。

迭代 2-D 数组的每个标量元素:

  1. import numpy as np
  2. arr = np.array([[1, 2, 3], [4, 5, 6]])
  3. for x in arr:
  4. for y in x:
  5. print(y)

迭代 3-D 数组

在 3-D 数组中,它将遍历所有 2-D 数组。

迭代以下 3-D 数组的元素:

  1. import numpy as np
  2. arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
  3. for x in arr:
  4. print("x represents the 2-D array:")
  5. print(x)

要返回实际值、标量,我们必须迭代每个维中的数组。

迭代到标量:

  1. import numpy as np
  2. arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
  3. for x in arr:
  4. for y in x:
  5. for z in y:
  6. print(z)

使用 nditer() 迭代数组

函数 nditer() 是一个辅助函数,从非常基本的迭代到非常高级的迭代都可以使用。它解决了在迭代中面临的一些基本问题,让我们通过例子进行介绍。

迭代每个标量元素

在基本的 for 循环中,迭代遍历数组的每个标量,需要使用 n 个 for 循环,对于具有高维数的数组可能很难编写。

遍历以下 3-D 数组:

  1. import numpy as np
  2. arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
  3. for x in np.nditer(arr):
  4. print(x)

迭代不同数据类型的数组

可以使用 op_dtypes 参数,并传递期望的数据类型,以在迭代时更改元素的数据类型。

NumPy 不会就地更改元素的数据类型(元素位于数组中),因此它需要一些其他空间来执行此操作,该额外空间称为 buffer,为了在 nditer() 中启用它,我们传参 flags=['buffered']

以字符串形式遍历数组:

  1. import numpy as np
  2. arr = np.array([1, 2, 3])
  3. for x in np.nditer(arr, flags=['buffered'], op_dtypes=['S']):
  4. print(x)

以不同的步长迭代

可以使用过滤,然后进行迭代。

每遍历 2D 数组的一个标量元素,跳过 1 个元素:

  1. import numpy as np
  2. arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
  3. for x in np.nditer(arr[:, ::2]):
  4. print(x)

使用 ndenumerate() 进行枚举迭代

枚举是指逐一提及事物的序号。

有时,在迭代时需要元素的相应索引,对于这些用例,可以使用 ndenumerate() 方法。

枚举以下 1D 数组元素:

  1. import numpy as np
  2. arr = np.array([1, 2, 3])
  3. for idx, x in np.ndenumerate(arr):
  4. print(idx, x)

枚举以下 2D 数组元素:

  1. import numpy as np
  2. arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
  3. for idx, x in np.ndenumerate(arr):
  4. print(idx, x)