Python NumPy怎么遍历数组

这篇文章主要介绍“Python NumPy怎么遍历数组”，在日常操作中，相信很多人在Python NumPy怎么遍历数组问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Python NumPy怎么遍历数组”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

NumPy 包包含一个迭代器对象numpy.nditer。它是一个高效的多维迭代器对象，使用它可以迭代数组。使用 Python 的标准迭代器接口访问数组的每个元素。

# 用于遍历数组的 Python 程序
 
import numpy as geek
 
# 使用排列方法创建数组
a = geek.arange(12)
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4)
 
print('Original array is:')
print(a)
print()
 
print('Modified array is:')
 
# 迭代数组
for x in geek.nditer(a):
    print(x)

输出：

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]

Modified array is:
0 1 2 3 4 5 6 7 8 9 10 11

选择迭代的顺序以匹配数组的内存布局，而不考虑特定的顺序。这可以通过迭代上述数组的转置来看出。

# 用于迭代转置的 Python 程序
# array
 
import numpy as geek 
 
# 使用排列方法创建数组
a = geek.arange(12)
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
    
print('Original array is:')
print(a)
print()  
    
# 原始数组的转置
b = a.T 
    
print('Modified array is:')
for x in geek.nditer(b): 
    print(x)

输出：

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]

Modified array is:
0 1 2 3 4 5 6 7 8 9 10 11

控制迭代顺序

有时以特定顺序访问数组元素很重要，而与内存中元素的布局无关。nditer 对象提供了一个 order 参数来控制迭代的这一方面。具有上述行为的默认设置是 order='K' 以保持现有顺序。这可以用 order='C' 覆盖 C 订单和 order='F' 用于 Fortran 订单。

代码#1：

# 用于使用特定顺序迭代数组的 Python 程序
 
import numpy as geek 
 
# 使用排列方法创建数组
a = geek.arange(12) 
 
# 具有 3 行和 4 列的形状数组 
a = a.reshape(3,4) 
 
print('Original array is:') 
print(a)
print()  
 
print('Modified array in C-style order:')
 
# 具有 3 行和 4 行的形状数组，以给定的顺序排列数组
for x in geek.nditer(a, order = 'C'): 
    print(x)

输出：

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]

Modified array in C-style order:
0 1 2 3 4 5 6 7 8 9 10 11

代码#2：

# 用于使用特定顺序迭代数组的 Python 程序
 
import numpy as geek 
 
# 使用排列方法创建数组
a = geek.arange(0,60,5) 
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
 
print('Original array is:') 
print(a)
print()  
 
print('Modified array in F-style order:')
 
# 以给定顺序迭代数组
for x in geek.nditer(a, order = 'F'): 
    print(x)

输出：

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]

Modified array in F-style order:
0 4 8 1 5 9 2 6 10 3 7 11

修改数组值

nditer 对象有另一个可选参数，称为op_flags。其默认值为只读，但可以设置为读写或只写模式。这将启用使用此迭代器修改数组元素。

# 用于修改数组值的 Python 程序
 
import numpy as geek
 
# 使用排列方法创建数组
a = geek.arange(12)
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4)
print('Original array is:')
print(a)
print()
 
# 修改数组值
for x in geek.nditer(a, op_flags = ['readwrite']):
    x[...] = 5*x
print('Modified array is:')
print(a)

输出：

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]

Modified array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]

外环：

类nditer构造函数有一个flags参数，可以取以下值

代码#1：

# 使用外部循环迭代数组值的 Python 程序
 
import numpy as geek 
 
# 使用排列方法创建数组
a = geek.arange(12) 
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
 
print('Original array is:') 
print(a) 
print()  
 
print('Modified array is:') 
for x in geek.nditer(a, flags = ['external_loop'], order = 'C'):
    print(x)

输出：

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]

Modified array is:
[ 0 1 2 3] [ 4 5 6 7] [8 9 10 11] 

代码#2：

# 使用 f_index 迭代数组值的 Python 程序
 
import numpy as geek 
 
# 使用排列方法创建数组
a = geek.arange(6)
 
# 具有 2 行和 3 列的形状数组
a = a.reshape(2,3)
 
print('Original array is:')
print(a)
print()
 
# 使用 f_index 参数迭代数组
it = geek.nditer(a, flags=['f_index'])
while not it.finished:
      print("%d <%d>" % (it[0], it.index), end=" ")
      it.iternext()

输出：

Original array is:
[[ 0 1 2]
 [ 3 4 5]]

0 <0> 1 <2> 2 <4> 3 <1> 4 <3> 5 <5>

广播迭代

如果两个数组是可广播的，则组合的nditer对象能够同时对它们进行迭代。假设一个数组a的维度为3X4，并且还有另一个维度为1X4的数组b，则使用以下类型的迭代器（数组b广播到a的大小）。

# 用于迭代数组的 Python 程序
 
import numpy as geek
 
# 使用排列方法创建数组
a = geek.arange(12)
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
 
print('First array is:') 
print(a)
print()  
 
# 使用数组方法创建第二个数组
print('Second array is:') 
b = geek.array([5, 6, 7, 8], dtype = int) 
print(b)  
print() 
 
print('Modified array is:')
for x,y in geek.nditer([a,b]): 
    print("%d:%d" % (x,y))

输出：

First array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]

Second array is:
[5 6 7 8]

Modified array is:
0:5 1:6 2:7 3:8 4:5 5:6 6:7 7:8 8:5 9:6 10:7 11:8

到此，关于“Python NumPy怎么遍历数组”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！