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)