Учебники

NumPy — перебор массива

Ноябрь 23, 2018

Пакет NumPy содержит объект итератора numpy.nditer . Это эффективный многомерный объект-итератор, с помощью которого можно выполнять итерации по массиву. Каждый элемент массива посещается с использованием стандартного интерфейса итератора Python.

Давайте создадим массив 3X4 с помощью функции arange () и проведем итерацию по нему с помощью nditer .

Пример 1

Live Demo

import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)

print 'Original array is:'
print a
print '\n'

print 'Modified array is:'
for x in np.nditer(a):
   print x,

Результат этой программы следующий: 

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

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

Пример 2

Порядок итерации выбирается так, чтобы соответствовать макету памяти массива без учета конкретного порядка. Это можно увидеть, выполнив итерацию по транспонированному массиву.

Live Demo 

import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 
   
print 'Original array is:'
print a 
print '\n'  
   
print 'Transpose of the original array is:' 
b = a.T 
print b 
print '\n'  
   
print 'Modified array is:' 
for x in np.nditer(b): 
   print x,

Вывод вышеуказанной программы следующий: 

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

Transpose of the original array is:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]

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

Порядок итерации

Если одни и те же элементы хранятся в порядке F-стиля, итератор выбирает более эффективный способ перебора массива.

Пример 1

Live Demo 

import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'

print 'Transpose of the original array is:'
b = a.T
print b
print '\n'

print 'Sorted in C-style order:'
c = b.copy(order = 'C')
print c
for x in np.nditer(c):
   print x,

print '\n'

print 'Sorted in F-style order:'
c = b.copy(order = 'F')
print c
for x in np.nditer(c):
   print x,

Его вывод будет следующим: 

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

Transpose of the original array is:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]

Sorted in C-style order:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]
0 20 40 5 25 45 10 30 50 15 35 55

Sorted in F-style order:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]
0 5 10 15 20 25 30 35 40 45 50 55

Пример 2

Можно заставить объект nditer использовать определенный порядок, явно упомянув его.

Live Demo 

import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 

print 'Original array is:' 
print a 
print '\n'  

print 'Sorted in C-style order:' 
for x in np.nditer(a, order = 'C'): 
   print x,  
print '\n' 

print 'Sorted in F-style order:' 
for x in np.nditer(a, order = 'F'): 
   print x,

Его вывод будет — 

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

Sorted in C-style order:
0 5 10 15 20 25 30 35 40 45 50 55

Sorted in F-style order:
0 20 40 5 25 45 10 30 50 15 35 55

Изменение значений массива

У объекта nditer есть еще один необязательный параметр, называемый op_flags . Его значение по умолчанию только для чтения, но может быть установлено в режим чтения-записи или только для записи. Это позволит изменять элементы массива с помощью этого итератора.

пример

Live Demo 

import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'

for x in np.nditer(a, op_flags = ['readwrite']):
   x[...] = 2*x
print 'Modified array is:'
print a

Его вывод выглядит следующим образом — 

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

Modified array is:
[[ 0 10 20 30]
 [ 40 50 60 70]
 [ 80 90 100 110]]

Внешний цикл

Конструктор класса nditer имеет параметр flags , который может принимать следующие значения:

Sr.No. Параметр и описание
1

c_index

Индекс C_order можно отслеживать

2

f_index

Индекс Fortran_order отслеживается

3

многоиндексных

Тип индексов с одним на итерацию можно отслеживать

4

external_loop

Вызывает значения, заданные как одномерные массивы с несколькими значениями вместо нульмерного массива

c_index

Индекс C_order можно отслеживать

f_index

Индекс Fortran_order отслеживается

многоиндексных

Тип индексов с одним на итерацию можно отслеживать

external_loop

Вызывает значения, заданные как одномерные массивы с несколькими значениями вместо нульмерного массива

пример

В следующем примере итератор пересекает одномерные массивы, соответствующие каждому столбцу.

Live Demo 

import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 

print 'Original array is:' 
print a 
print '\n'  

print 'Modified array is:' 
for x in np.nditer(a, flags = ['external_loop'], order = 'F'):
   print x,

Выход выглядит следующим образом — 

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

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

Вещательная итерация

Если два массива являются широковещательными , объединенный объект nditer может выполнять их итерацию одновременно. Предполагая, что массив a имеет размерность 3X4, и существует другой массив b размера 1X4, используется итератор следующего типа (массив b транслируется до размера a ).

пример

Live Demo 

import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 

print 'First array is:' 
print a 
print '\n'  

print 'Second array is:' 
b = np.array([1, 2, 3, 4], dtype = int) 
print b  
print '\n' 

print 'Modified array is:' 
for x,y in np.nditer([a,b]): 
   print "%d:%d" % (x,y),

Его вывод будет следующим:

174
Share: