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
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.
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
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.
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
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.
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
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: