NumPy迭代数组的实现
作者:峡谷的小鱼 发布时间:2022-01-03 14:07:37
迭代数组
NumPy中引入了 nditer 对象来提供一种对于数组元素的访问方式。
一、单数组迭代
1. 使用 nditer 访问数组的每个元素
>>>a = np.arange(12).reshape(3, 4)
>>>for x in np.nditer(a):
print(x, end=' ')
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:
>>>for x in np.nditer(a.T):
print(x, end=' ')
0 1 2 3 4 5 6 7 8 9 10 11
>>>for x in np.nditer(a.T.copy(order='C')):
print(x, end=' ')
0 4 8 1 5 9 2 6 10 3 7 11
2. 控制数组元素的迭代顺序
使用参数 order 控制元素的访问顺序,参数的可选值有:
‘C’:C order,即是行序优先;
‘F’:Fortran order,即是列序优先;
’K’:参考数组元素在内存中的顺序;
‘A’:表示’F’顺序;
>>>a = np.arange(12).reshape(3, 4)
>>>for x in np.nditer(a, order='C'):
print(x, end=' ')
0 1 2 3 4 5 6 7 8 9 10 11
>>>a = np.arange(12).reshape(3, 4)
>>>for x in np.nditer(a, order='F'):
print(x, end=' ')
0 4 8 1 5 9 2 6 10 3 7 11
>>>a = np.arange(12).reshape(3, 4)
>>>for x in np.nditer(a, order='K'):
print(x, end=' ')
0 1 2 3 4 5 6 7 8 9 10 11
>>>a = np.arange(12).reshape(3, 4)
>>>for x in np.nditer(a, order='A'):
print(x, end=' ')
0 1 2 3 4 5 6 7 8 9 10 11
3. 修改数组值
在使用 nditer 对象迭代数组时,默认情况下是只读状态。因此,如果需要修改数组,可以使用参数 op_flags = 'readwrite' or 'writeonly' 来标志为读写或只读模式。
此时,nditer 在迭代时将生成可写的缓冲区数组,可以在此进行修改。为了在修改后,可以将修改的数据回写到原始位置,需要在迭代结束后,抛出迭代结束信号,有两种方式:
使用 with 上下文管理器;
在迭代结束后,调用迭代器的close方法;
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>with np.nditer(a, op_flags=['readwrite']) as it:
for x in it:
x += 10
>>>print(a)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[10 11 12 13]
[14 15 16 17]
[18 19 20 21]]
4. 使用外部循环,跟踪索引或多索引
以上操作在迭代过程中,都是逐元素进行的,这虽然简单,但是效率不高。可以使用参数 flags 让 nditer 迭代时提供更大的块。并可以通过强制设定 C 和 F 顺序,得到不同的块大小。
# 默认情况下保持本机的内存顺序,迭代器提供单一的一维数组
# 'external_loop' 给出的值是具有多个值的一维数组,而不是零维数组
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>for x in np.nditer(a, flags=['external_loop']):
print(x, end=' ')
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[ 0 1 2 3 4 5 6 7 8 9 10 11],
# 设定 'F' 顺序
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>for x in np.nditer(a, flags=['external_loop'], order='F'):
print(x, end=' ')
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[0 4 8], [1 5 9], [ 2 6 10], [ 3 7 11],
# 'c_index' 可以通过 it.index 跟踪 'C‘ 顺序的索引
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>it = np.nditer(a, flags=['c_index'])
>>>for x in it:
print("{}: ({})".format(x, it.index))
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
0: (0)
1: (1)
2: (2)
3: (3)
4: (4)
5: (5)
6: (6)
7: (7)
8: (8)
9: (9)
10: (10)
11: (11)
# 'f_index' 可以通过 it.index 跟踪 'F‘ 顺序的索引
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>it = np.nditer(a, flags=['c_index'])
>>>for x in it:
print("{}: ({})".format(x, it.index))
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
0: (0)
1: (3)
2: (6)
3: (9)
4: (1)
5: (4)
6: (7)
7: (10)
8: (2)
9: (5)
10: (8)
11: (11)
# 'multi_index' 可以通过 it.multi_index 跟踪数组索引
>>>a = np.arange(12).reshape(3, 4)
>>>print(a)
>>>it = np.nditer(a, flags=['multi_index'])
>>>for x in it:
print("{}: {}".format(x, it.multi_index))
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
0: (0, 0)
1: (0, 1)
2: (0, 2)
3: (0, 3)
4: (1, 0)
5: (1, 1)
6: (1, 2)
7: (1, 3)
8: (2, 0)
9: (2, 1)
10: (2, 2)
11: (2, 3)
external_loop 与 multi_index、c_index、c_index不可同时使用,否则将引发错误 ValueError: Iterator flag EXTERNAL_LOOP cannot be used if an index or multi-index is being tracked
5. 以特定数据类型迭代
当需要以其它的数据类型来迭代数组时,有两种方法:
临时副本:迭代时,会使用新的数据类型创建数组的副本,然后在副本中完成迭代。但是,这种方法会消耗大量的内存空间。
缓冲模式: 使用缓冲来支持灵活输入,内存开销最小。
# 临时副本
>>>a = np.arange(12).reshape(3, 4)
>>>print(a.dtype)
>>>it = np.nditer(a, op_flags=['readonly', 'copy'],op_dtypes=[np.float64])
>>>for x in it:
print("{}".format(x), end=', ')
int32
0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0, 11.0,
# 缓冲模式
>>>a = np.arange(12).reshape(3, 4)
>>>print(a.dtype)
>>>it = np.nditer(a, flags=['buffered'],op_dtypes=[np.float64])
>>>for x in it:
print("{}".format(x), end=', ')
int32
0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0, 11.0,
注意
默认情况下,转化会执行“安全”机制,如果不符合 NumPy 的转换规则,会引发异常:TypeError: Iterator operand 0 dtype could not be cast from dtype('float64') to dtype('float32') according to the rule 'safe'
二、广播数组迭代
如果不同形状的数组是可广播的,那么 dtype 可以迭代多个数组。
>>> a = np.arange(3)
>>> b = np.arange(6).reshape(2,3)
>>> for x, y in np.nditer([a,b]):
print("%d:%d" % (x,y), end=' ')
0:0 1:1 2:2 0:3 1:4 2:5
来源:https://blog.csdn.net/weixin_43276033/article/details/123767613


猜你喜欢
- 1. 下载可以去清华源下载最新版的anaconda包,这比在官方网站下载快得多,地址如下:https://mirrors.tuna.tsin
- 使用windows API使用PIL中的ImageGrab模块下面对两者的特点和用法进行详细解释。一、Python调用windows API
- 前言通常在读写文件之前,我们需要先判断文件或者目录是否存在。不然在接下来的处理中可能会报错。所以在做任何操作之前,最好还是先判断文件、目录是
- 1、基本概念K近邻法(K-nearest neighbors,KNN)既可以分类,也可以回归。KNN做回归和分类的区别在于最后预测时的决策方
- 1.Python hasattr() 函数描述hasattr() 函数用于判断对象是否包含对应的属性。语法hasattr 语法:hasatt
- 与抓取预定义好的页面集合不同,抓取一个网站的所有内链会带来一个 挑战,即你不知道会获得什么。好在有几种基本的方法可以识别页面类型。通过URL
- 0.触发器的基本概念触发器是一种特殊的存储过程,它在插入,删除或修改特定表中的数据时触发执行,它比数据库本身标准的功能有更精细和更复杂的数据
- 1、chr(i)chr()函数返回ASCII码对应的字符串。>>> print chr(65)A>>>
- 本文实例讲述了JS实现不规则TAB选项卡效果代码。分享给大家供大家参考。具体如下:这是一款不规则TAB选项卡效果,将中规中矩的方角换成了不规
- 好多同志对 iframe 是如何控制的,并不是十分了解,基本上还处于一个模糊的认识状态.注意两个事项,ifr 是一个以存在的 iframe
- 一、python读取excel表格数据1、读取excel表格数据常用操作import xlrd# 打开excel表格data_excel =
- Python list内置sort()方法用来排序,也可以用python内置的全局sorted()方法来对可迭代的序列排序生成新的序列。1)
- 1. 定义本质是函数,用来装饰其他函数,为其他函数添加附加功能2. 原则a. 不能修改被装饰函数的源代码b. 不能修改被装饰的函数的调用方式
- 前言本章我们来介绍如何使用Pytorch训练一个区分不同音频的分类模型,例如你有这样一个需求,需要根据不同的鸟叫声识别是什么种类的鸟,这时你
- 观看本文前最好有一定的Linux命令基础,具体为centos7.3环境中清除使用yum安装的Mysql卸载前请先关闭Mysql服务servi
- 本文介绍了计算多个订单的核销金额的全部过程,运行数据库环境:SQL SERVER 2005,下面跟大家分享一下。下图是一张订单明细表,现有金
- 前言写出能完成功能的程序每个程序员都可以搞定,但能写出优雅的程序的程序员却寥寥无几,因此程序写的优雅与否则是区分顶级程序员与一般程序员的终极
- 前言发现本站没有一个靠谱的tp6记录行为日志的教程,于是就整理了一下自己在项目中已经投入使用的行为日志中间件的详细配置步骤供大家参考提示:先
- 本文实例为大家分享了vue-Split实现面板分割的具体代码,供大家参考,具体内容如下<template> <
- 一图胜“十”言:SQL Server 数据库总结 一个大概的总结 经过一段时间的学习,也对数据库有了一些认识。 数据库基本是由表,关系,操作