11、Numpy迭代数组 11、Numpy迭代数组

1、番外说明
大家好，我是小P，本系列是本人对Python模块Numpy的一些学习记录，总结于此一方面方便其它初学者学习，另一方面害怕自己遗忘，希望大家喜欢。此外，对“目标检测/模型压缩/语义分割”感兴趣的小伙伴，欢迎加入QQ群 813221712 讨论交流，进群请看群公告！（可以点击如下连接直接加入！）
点击链接加入群聊【Object Detection】：https://jq.qq.com/?_wv=1027&k=5kXCXF8
2、正题
参考链接： https://www.runoob.com/numpy/numpy-terating-over-array.html NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。
2.1 使用迭代器访问数组元素接下来我们使用 arange() 函数创建一个 2X3 数组，并使用 nditer 对它进行迭代。
实例：使用nditer对数组访问

import numpy as np a = np.arange(6).reshape(2,3) print ('原始数组是：') print (a)print ('迭代输出元素：') for x in np.nditer(a): print (x, end=", " ) print ('\n')

输出结果为：

原始数组是： [[0 1 2] [3 4 5]]迭代输出元素： 0, 1, 2, 3, 4, 5,

以上实例不是使用标准 C 或者 Fortran 顺序，选择的顺序是和数组内存布局一致的，这样做是为了提升访问的效率，默认是行序优先（row-major order，或者说是 C-order）。
【11、Numpy迭代数组】这反映了默认情况下只需访问每个元素，而无需考虑其特定顺序。我们可以通过迭代上述数组的转置来看到这一点，并与以 C 顺序访问数组转置的 copy 方式做对比，如下实例：
实例

import numpy as np a = np.arange(6).reshape(2,3) for x in np.nditer(a.T): print (x, end=", " ) print ('\n') for x in np.nditer(a.T.copy(order='C')): print (x, end=", " ) print ('\n')

输出结果为：

0, 1, 2, 3, 4, 5, 0, 3, 1, 4, 2, 5,

从上述例子可以看出，a 和 a.T 的遍历顺序是一样的，也就是他们在内存中的存储顺序也是一样的，但是 a.T.copy(order = ‘C’) 的遍历结果是不同的，那是因为它和前两种的存储方式是不一样的，默认是按行访问。
控制遍历顺序

for x in np.nditer(a, order='F'):Fortran order，即是列序优先； for x in np.nditer(a.T, order='C'):C order，即是行序优先；

实例：改变遍历顺序

import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print ('原始数组是：') print (a) print ('原始数组的转置是：') b = a.T print (b) print ('以 C 风格顺序排序：') c = b.copy(order='C') print (c) for x in np.nditer(c): print (x, end=", " )print('以 F 风格顺序排序：') c = b.copy(order='F') print (c) for x in np.nditer(c): print (x, end=", " )

输出结果为：

原始数组是： [[ 05 10 15] [20 25 30 35] [40 45 50 55]]原始数组的转置是： [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]]以 C 风格顺序排序： [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]] 0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55, 以 F 风格顺序排序： [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]] 0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55,

可以通过显式设置，来强制 nditer 对象使用某种顺序：
实例：强制改变顺序

import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print ('原始数组是：') print (a)print ('以 C 风格顺序排序：') for x in np.nditer(a, order ='C'): print (x, end=", " )print ('以 F 风格顺序排序：') for x in np.nditer(a, order ='F'): print (x, end=", " )

输出结果为：

原始数组是： [[ 05 10 15] [20 25 30 35] [40 45 50 55]]以 C 风格顺序排序： 0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 以 F 风格顺序排序： 0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55,

2.2 修改数组中元素的值 nditer 对象有另一个可选参数 op_flags。默认情况下，nditer 将视待迭代遍历的数组为只读对象（read-only），为了在遍历数组的同时，实现对数组元素值得修改，必须指定 read-write 或者 write-only 的模式。
实例

import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print ('原始数组是：') print (a)for x in np.nditer(a, op_flags=['readwrite']): x[...]=2*x print ('修改后的数组是：') print (a)

输出结果为：

原始数组是： [[ 05 10 15] [20 25 30 35] [40 45 50 55]]修改后的数组是： [[0102030] [ 40506070] [ 8090 100 110]]

2.3 使用外部循环 nditer类的构造器拥有flags参数，它可以接受下列值：

文章图片

在下面的实例中，迭代器遍历对应于每列，并组合为一维数组。
实例：遍历数组每列

import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print ('原始数组是：') print (a)print ('修改后的数组是：') for x in np.nditer(a, flags =['external_loop'], order ='F'): print (x, end=", " )

输出结果为：

原始数组是： [[ 05 10 15] [20 25 30 35] [40 45 50 55]]修改后的数组是： [ 0 20 40], [ 5 25 45], [10 30 50], [15 35 55],

2.4 广播迭代如果两个数组是可广播的，nditer 组合对象能够同时迭代它们。假设数组 a 的维度为 3X4，数组 b 的维度为 1X4 ，则使用以下迭代器（数组 b 被广播到 a 的大小）。
实例：广播迭代

import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print('第一个数组为：') print (a)print ('第二个数组为：') b = np.array([1,2,3,4], dtype =int) print (b)print ('修改后的数组为：') for x,y in np.nditer([a,b]): print ("%d:%d"%(x,y), end=", " )

输出结果为：