NumPy - 数组迭代

NumPy 中的数组迭代

NumPy 中的数组迭代是指以系统的方式逐个访问数组中每个元素的过程。这通常使用循环来完成。迭代用于对每个元素执行操作，例如计算、修改或检查。

NumPy 提供了几种迭代数组的方法 -

• 使用 for 循环
• 使用 'nditer()' 迭代器对象
• 平面迭代
• 迭代顺序
• 控制迭代顺序
• 广播迭代
• 使用向量化操作
• 外部循环
• 修改数组值

使用 for 循环

在 NumPy 中，您可以使用基本的 Python for 循环 来迭代数组。 for 循环是一种用于迭代序列(例如列表、元组、字典、集合或字符串)的控制流语句。它允许您对序列中的每个元素重复执行一段代码。

迭代一维数组

一维数组本质上是一个元素列表。对其进行迭代很简单，类似于对常规 Python 列表进行迭代。

示例

在下面的示例中，我们根据元素列表创建一个 NumPy 数组，并使用 for 循环对每个元素进行迭代 -

import numpy as np

# 创建一个一维 NumPy 数组
arr = np.array([1, 2, 3, 4, 5])

# 迭代数组
for element in arr:
    print(element)

以下是得到的输出 -

1
2
3
4
5

迭代多维数组

NumPy 数组可以有任意数量的维度，通常称为轴。例如 -

• 一维数组是元素的列表。
• 二维数组就像一个有行和列的矩阵。
• 三维数组可以可视化为二维矩阵的集合。

示例:迭代二维数组

迭代二维数组时，每次迭代都会访问数组的一整行，如下例所示 -

import numpy as np

# 创建二维 NumPy 数组(3x3 矩阵)
arr_2d = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])

# 迭代数组
for row in arr_2d:
    print(row)

这将产生以下结果 -

[1 2 3]
[4 5 6]
[7 8 9]

示例:迭代三维数组

迭代三维数组时，每次迭代都会访问一个完整的二维子数组(矩阵)，如下例所示 -

import numpy as np

# 创建一个三维 NumPy 数组 (2x2x3)
arr_3d = np.array([[[1, 2, 3],
                    [4, 5, 6]],
                   [[7, 8, 9],
                    [10, 11, 12]]])

# 迭代数组
for matrix in arr_3d:
    print(matrix)

以下是上述代码的输出 -

[[1 2 3]
[4 5 6]]
[[ 7 8 9]
[10 11 12]]

迭代多维数组中的元素

在 NumPy 中，迭代多维数组中的元素是一种访问每个单独元素的方法，无论数组的维度是多少。此过程需要嵌套循环来遍历数组结构的每个维度。

示例

在此示例中，我们使用嵌套循环遍历每一行 (i) 和列 (j)，以使用索引访问和打印每个元素 -

import numpy as np

# 创建一个二维 NumPy 数组
arr_2d = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])

# 迭代二维数组中的元素
# 迭代行
for i in range(arr_2d.shape[0]):
    # 迭代列
    for j in range(arr_2d.shape[1]):
        print(arr_2d[i, j])

输出结果如下 -

1
2
3
4
5
6
7
8
9

使用索引进行迭代

使用索引对 NumPy 数组进行迭代，用于根据数组元素在数组每个维度中的特定位置进行访问。

在 NumPy 中，数组的每个维度都从 0 开始索引。使用索引进行迭代需要使用嵌套循环遍历数组的每个维度，并使用其特定索引访问元素。

与简单的元素迭代相比，这种方法可以更精确地控制元素的访问和操作。

示例

在下面的示例中，我们使用嵌套循环对二维数组的每个元素进行迭代。我们访问并打印每个元素的值及其索引 -

import numpy as np

# 创建一个二维 NumPy 数组
arr_2d = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])

# 获取数组的维度
rows, cols = arr_2d.shape

# 使用索引遍历数组
for i in range(rows):
   for j in range(cols):
      print(f"元素位于 ({i}, {j}): {arr_2d[i, j]}")

执行上述代码后，我们得到以下输出 -

元素位于 (0, 0):1
元素位于 (0, 1):2
元素位于 (0, 2):3
元素位于 (1, 0):4
元素位于 (1, 1):5
元素位于 (1, 2):6
元素位于 (2, 0):7
元素位于 (2, 1):8
元素位于 (2, 2):9

使用 'nditer' 迭代器对象

NumPy 中的 nditer() 函数提供了一个高效的多维迭代器对象，可用于迭代数组的元素。它使用 Python 的标准迭代器接口来访问数组中的每个元素。

示例

在此示例中，nditer() 函数用于按扁平顺序迭代数组"arr"的所有元素，并按顺序打印每个元素 -

import numpy as np

# 数组示例
arr = np.array([[1, 2], [3, 4]])

# 使用 nditer 进行迭代
for x in np.nditer(arr):
    print(x)

结果如下:-

1234

平面迭代

平面迭代是指将多维数组的所有元素像一维数组一样进行迭代。当您需要处理或操作数组中的每个元素，而无需明确考虑其原始形状或尺寸时，这种方法非常有用。

示例

在此示例中，我们创建一个二维 NumPy 数组。然后，我们使用带有"buffered"标志的 np.nditer 函数，以扁平化序列的形式迭代该数组，并按顺序打印每个元素 -

import numpy as np

# 创建二维数组
arr = np.array([[1, 2, 3],
                [4, 5, 6]])

# 使用带有"buffered"标志的 nditer 进行平面迭代
print("迭代数组:")
for x in np.nditer(arr, flags=['buffered']):
    print(x, end=' ')

我们得到如下所示的输出 -

迭代数组:
1 2 3 4 5 6

迭代顺序

NumPy 中的迭代顺序是指在迭代过程中访问数组元素的顺序。默认情况下，NumPy 数组以行优先顺序进行迭代，也称为C 风格顺序。

这意味着对于多维数组，迭代从第一维(行)开始，沿最后一维(列)迭代所有元素。

示例

在此示例中，我们使用 numpy.nditer() 函数迭代数组，以默认的行优先顺序(C 风格)访问每个元素，并按顺序打印它们 -

import numpy as np

# 创建二维数组
arr = np.array([[1, 2, 3],
                [4, 5, 6]])

# 迭代数组
print("默认迭代顺序 (C 风格，行优先):")
for x in np.nditer(arr):
    print(x, end=' ')

以下是得到的输出 −

默认迭代顺序 (C 风格，行优先):
1 2 3 4 5 6

控制迭代顺序

在 NumPy 中控制迭代顺序允许您指定在迭代期间访问数组元素的方式。 NumPy 提供了基于内存布局和性能考虑来控制迭代顺序的选项 -

• Fortran 风格顺序 - 按列(列优先顺序)迭代元素。

for x in np.nditer(arr, order='F'):
...

for row in np.nditer(arr, flags=['external_loop']):
...

示例

在此示例中，我们使用numpy.nditer() 函数，以 Fortran 风格顺序(F 风格)访问每个元素 −

import numpy as np

# 数组
arr = np.array([[1, 2], [3, 4]])

# 按指定顺序迭代(F 风格)
for x in np.nditer(arr, order='F'):
    print(x)

这将产生以下结果 -

1
3
2
4

广播迭代

NumPy 中的广播迭代是指同时迭代多个数组，其中数组被广播以具有兼容的形状。

这使得元素级操作可以高效地应用于数组，而无需明确对齐它们的维度。

示例

在下面的示例中，我们通过迭代两个数组 arr1 和 arr2 来演示 NumPy 中的广播迭代。同时执行。

使用 nditer() 函数对"arr1"和"arr2"中的每一对对应元素进行求和，展示了无需明确对齐数组维度的逐元素运算 -

import numpy as np

# 数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([10, 20, 30])

# 广播加法运算
print("广播迭代:")
for x, y in np.nditer([arr1, arr2]):
    print(x + y, end=' ')

以下是上述代码的输出 -

广播迭代:
11 22 33 

使用向量化运算

NumPy 中的向量化运算是指一次性对整个数组执行运算，而不是对单个元素进行迭代。

示例

在下面的示例中，我们通过对两个数组 arr1 和 arr2 执行逐元素加法来演示 NumPy 中的向量化运算。只需在数组之间使用 + 运算符即可实现 -

import numpy as np

# 数组示例
arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([10, 20, 30, 40])

# 向量化加法运算
result = arr1 + arr2

print("向量化运算:")
print("加法结果:", result)

输出结果如下所示 -

向量化运算:加法结果:[11 22 33 44]

外部循环

在 NumPy 中，外部循环的概念loop 指的是在保持特定维度不变的情况下迭代数组。这允许你迭代具有嵌套结构的数组，而不会将内部维度折叠成单个序列。

numpy.nditer() 函数与 external_loop 标志一起使用时，允许在保留数组行结构的情况下迭代数组元素。这确保了每一行都被单独处理，并展示了如何在整个迭代过程中保持维度的完整性。

示例

在下面的示例中，我们通过迭代二维数组来演示 NumPy 中的外部循环迭代 -

import numpy as np

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

# 外部循环迭代
print("外部循环:")
for row in np.nditer(arr, flags=['external_loop']):
    print(row)

执行上述代码后，我们得到以下输出 -

外部循环:[1 2 3 4 5 6]

修改数组值

在 NumPy 中，修改数组值是指直接将新值赋给数组中的特定元素或切片。这有助于在无需重新创建整个数组的情况下就地更新数据。

nditer 对象还有另一个可选参数，称为 op_flags。其默认值为只读，但可以设置为读写或只写模式。这将允许使用此迭代器修改数组元素。

示例

在下面的示例中，我们使用 nditer() 函数修改 NumPy 中的数组值。通过将"op_flags"参数设置为"readwrite"，迭代器会将数组 arr 的每个元素乘以 2 -

import numpy as np

# 创建一维数组
arr = np.array([1, 2, 3, 4, 5])

# 修改数组元素
with np.nditer(arr, flags=['buffered'], op_flags=['readwrite']) as it:
   for x in it:
      # 将每个元素乘以 2
      x[...] = x * 2  

print("修改后的数组示例:",arr)

生成的结果如下 -

修改后的数组示例:[ 2 4 6 8 10]