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)