NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍Python NumPy Array(数组) 迭代 遍历

1、迭代遍历数组

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。

如果我们对一维数组进行迭代,它将一一遍历每个元素。

例如:

遍历一维数组的元素:

import numpy as np

arr = np.array([1, 2, 3])

for x in arr:
    print(x)

2、迭代遍历二维数组

在二维数组中,它将遍历所有行。

例如:

遍历下二维数组的元素:

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

for x in arr:
    print(x)

如果我们迭代一个n-D数组,它将一一遍历第n-1维。

要返回标量的实际值,我们必须迭代每个维中的数组。

例如:

遍历二维数组的每个标量元素:

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

for x in arr:
    for y in x:
        print(y)

3、迭代遍历三维数组

在3-D阵列中,它将遍历所有2-D阵列。

例如:

迭代以下3-D数组的元素:

import numpy as np

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

for x in arr:
    print(x)

为了返回实际的值,标量,我们必须在每个维度中迭代数组。

例如:

迭代到标量:

import numpy as np

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

for x in arr:
    for y in x:
        for z in y:
            print(z)

4、使用nditer()迭代数组

函数nditer()是一个有用的函数,可以从非常基本的迭代到非常高级的迭代都可以使用。 它解决了我们在迭代中面临的一些基本问题,让我们通过示例进行介绍。

在每个标量元素上迭代

在基本的for循环中,遍历数组的每个标量,我们需要使用nfor循环,对于具有非常大的数组很难编写 高维度。

例如:

遍历以下3-D数组:

import numpy as np

arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

for x in np.nditer(arr):
    print(x)

5、使用不同数据类型迭代数组

我们可以使用op_dtypes参数,并将其传递给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(该元素位于数组中),因此它需要一些其他空间来执行此操作,该额外空间称为缓冲区,并且为了在nditer()中启用它,我们传递flags = ['buffered']

例如:

以字符串形式遍历数组:

import numpy as np

arr = np.array([1, 2, 3])

for x in np.nditer(arr, flags=['buffered'], op_dtypes=['S']):
    print(x)

6、用不同的步长遍历

我们可以使用过滤,然后进行遍历。

例如:

遍历2D数组的每个标量元素,跳过1个元素:

import numpy as np

arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])

for x in np.nditer(arr[:, ::2]):
    print(x)

7、使用ndenumerate()的枚举迭代

枚举是指一个接一个地提及某物的序号。

有时我们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。

例如:

遍历一维数组元素:

import numpy as np

arr = np.array([1, 2, 3])

for idx, x in np.ndenumerate(arr):
    print(idx, x)

例如:

遍历2D数组的元素:

import numpy as np

arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])

for idx, x in np.ndenumerate(arr):
    print(idx, x)

推荐文档