NumPy 访问数组元素的（迭代）

原文：https://www.studytonight.com/numpy/numpy-accessing-array-elements-iteration

在本教程中，我们将学习如何遍历任何给定的数组，以逐个访问 NumPy 库中数组(数组迭代)中的所有可用元素。

numpy.nditer是 Numpy 库提供的迭代器对象。

• numpy.nditer是一个高效的多维迭代器对象，用于迭代 Numpy 库中的数组。

• 在这个迭代器对象的帮助下，使用 Python 迭代器接口访问给定数组的每个元素。

例 1

让我们看一个例子，我们将使用arange()方法创建一个数组，然后使用numpy.nditer对其进行迭代:

import numpy as np

a = np.arange(0,40,5)

print ("The Original array is:")
print (a)
print ('\n')

# showing elements of array one by one
print ("The Modified array is:")
for x in np.nditer(a):
    print(x)

上述代码的输出将是:

注意: 这里需要注意的是，迭代的顺序不像那样遵循任何特殊的行-主或列-顺序，但是迭代的顺序总是被选择为与给定数组的内存布局相匹配。你可以通过迭代数组的转置来检查它。

示例 2:迭代数组的转置

让我们举一个例子，我们将取一个数组，然后我们将看到给定矩阵的转置，我们将使用nditer迭代。其代码如下:

import numpy as np  

a = np.array([[11,2,3,4],[29,4,15,6],[11,21,39,31]])  
print("The array is :")  
print(a)  

print("The transpose of the array is :")  
at = a.T 

print(at)  
print("Iterating over the array:")   
for x in np.nditer(at):  
    print(x, end=' ')

上述代码的输出将是:

NumPy 中的迭代顺序

在 Numpy 中，基本上我们有两种方法可以将元素存储到数组中，如下所示:

现在我们将讨论 numpy 迭代器如何处理特定顺序(F 型或 C 型)的例子。

示例 3:迭代 F 型和 c 型顺序数组

下面我们有一个例子，我们将以 F 风格和 C 风格进行迭代。的代码片段如下:

import numpy as np  

a = np.array([[1,2,3,4],[8,9,5,6],[10,20,29,31]])  
print("\nPrinting the array:\n")  
print(a)  
print("\nPrinting the transpose of the array:\n")  
at = a.T  
print(at)  
print("\nIterating over the transposed array\n")  

for x in np.nditer(at):  
    print(x, end= ' ')  
print("\nSorting the transposed array in C-style:\n")  
c = at.copy(order = 'C')  
print(c)  

print("\nIterating over the C-style array:\n")  
for x in np.nditer(c):  
    print(x, end=' ')  

d = at.copy(order = 'F')  
print("\n")
print(d) 

print("\nIterating over the F-style array:\n")  
for x in np.nditer(d):  
    print(x, end=' ')

打印数组:

【【1 2 3 4】 【8 9 5 6】 【10 20 29 31】】

打印数组转置:

【【1 8 10】 【2 9 20】 【3 5 29】 【4 6 31】】

迭代转置数组

1 2 3 4 8 9 5 6 10 20 29 31 按 C 风格对转置数组进行排序:

【【1 8 10】 【2 9 20】 【3 5 29】 【4 6 31】】

迭代 C 风格数组:

1 8 10 2 9 20 3 5 22 【3 5 29】 【4 6 31】】

迭代 F 型数组:

1 2 3 8 9 5 6 10 20 29 31

需要注意的要点:

需要注意的是，在定义Iterator对象本身时，可以提到顺序“ C 或“ F ”。

让我们来看一个例子，其中我们将在定义迭代器对象时提到顺序:

import numpy as np  

a = np.array([[1,2,3,4],[8,9,5,6],[10,20,29,31]])    
print("\n The array:\n")  
print(a)  
print("\n The transpose of the array is :\n")  
at = a.T  
print(at)  
print("\nIterating over the transposed array\n")  
for x in np.nditer(at):  
    print(x, end= ' ')  

print("\nIterating over transposed array in C-style order:\n")  
for x in np.nditer(at, order = 'C'):  
    print(x,end=' ')

上述代码的输出将是:

数字阵列广播迭代

如果两个数组是可展宽的，那么一个组合的nditer对象能够同时迭代它们。假设一个数组x有维度 3x4 ，还有另一个维度 1x4 的数组y，那么我们使用广播迭代器(数组b广播到a大小)。

其代码示例如下:

import numpy as np 

a = np.arange(0,60,5) 
a = a.reshape(3,4) 

print ('The First array :') 
print (a)
print ('\n')

print ('The Second array is') 
b = np.array([1, 2, 3, 4], dtype = int) 
print (b)  
print ('\n' )

print ('The Modified array is') 
for x,y in np.nditer([a,b]): 
    print ("%d:%d" %(x,y))

修改数组的值

nditer对象的另一个可选参数称为op_flags。该参数的默认值为只读，但也可以设置为读写或只写模式。借助这个迭代器，您可以很容易地修改数组中所有或部分元素的值。

让我们看看同样的例子:

import numpy as np

a = np.arange(0,50,6)
a = a.reshape(3,3)
print ('The Original array is:')
print (a)
print ('\n')
for x in np.nditer(a, op_flags = ['readwrite']):
    # modifying the value of array elements
    x[...] = 2+x
print ('The Modified array is:')
print (a)

原阵为: 【【0 6 12】 【18 24 30】 【36 42 48】】

变阵为: 【【2 8 14】 【20 26 32】 【38 44 50】】

摘要

在本教程中，我们已经介绍了 Numpy 中用于数组迭代的nditer对象。之后，我们通过一个例子介绍了迭代的顺序在迭代中的作用。然后学习了广播迭代及其示例。最后，我们介绍了如何在迭代时修改数组的值。