Python 教程之 Numpy(8)—— 遍历数组

简介: Python 教程之 Numpy(8)—— 遍历数组

NumPy 包包含一个迭代器对象numpy.nditer。它是一个高效的多维迭代器对象,使用它可以迭代数组。使用 Python 的标准迭代器接口访问数组的每个元素。

# 用于遍历数组的 Python 程序
import numpy as geek
# 使用排列方法创建数组
a = geek.arange(12)
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4)
print('Original array is:')
print(a)
print()
print('Modified array is:')
# 迭代数组
for x in geek.nditer(a):
    print(x)

输出:

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]
Modified array is:
0 1 2 3 4 5 6 7 8 9 10 11

选择迭代的顺序以匹配数组的内存布局,而不考虑特定的顺序。这可以通过迭代上述数组的转置来看出。

# 用于迭代转置的 Python 程序
# array
import numpy as geek 
# 使用排列方法创建数组
a = geek.arange(12)
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
print('Original array is:')
print(a)
print()  
# 原始数组的转置
b = a.T 
print('Modified array is:')
for x in geek.nditer(b): 
    print(x)

输出:

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]
Modified array is:
0 1 2 3 4 5 6 7 8 9 10 11

控制迭代顺序:

有时以特定顺序访问数组元素很重要,而与内存中元素的布局无关。nditer 对象提供了一个 order 参数来控制迭代的这一方面。。具有上述行为的默认设置是 order='K' 以保持现有顺序。这可以用 order='C' 覆盖 C 订单和 order='F' 用于 Fortran 订单。

代码#1:

# 用于使用特定顺序迭代数组的 Python 程序
import numpy as geek 
# 使用排列方法创建数组
a = geek.arange(12) 
# 具有 3 行和 4 列的形状数组 
a = a.reshape(3,4) 
print('Original array is:') 
print(a)
print()  
print('Modified array in C-style order:')
# 具有 3 行和 4 行的形状数组,以给定的顺序排列数组
for x in geek.nditer(a, order = 'C'): 
    print(x)

输出:

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]
Modified array in C-style order:
0 1 2 3 4 5 6 7 8 9 10 11

代码#2:

# 用于使用特定顺序迭代数组的 Python 程序
import numpy as geek 
# 使用排列方法创建数组
a = geek.arange(0,60,5) 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
print('Original array is:') 
print(a)
print()  
print('Modified array in F-style order:')
# 以给定顺序迭代数组
for x in geek.nditer(a, order = 'F'): 
    print(x)

输出:

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]
Modified array in F-style order:
0 4 8 1 5 9 2 6 10 3 7 11

修改数组值:

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

# 用于修改数组值的 Python 程序
import numpy as geek
# 使用排列方法创建数组
a = geek.arange(12)
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4)
print('Original array is:')
print(a)
print()
# 修改数组值
for x in geek.nditer(a, op_flags = ['readwrite']):
    x[...] = 5*x
print('Modified array is:')
print(a)

输出:

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]
Modified array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]

外环:

nditer构造函数有一个flags参数,可以取以下值

image.png

代码#1:

# 使用外部循环迭代数组值的 Python 程序
import numpy as geek 
# 使用排列方法创建数组
a = geek.arange(12) 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
print('Original array is:') 
print(a) 
print()  
print('Modified array is:') 
for x in geek.nditer(a, flags = ['external_loop'], order = 'C'):
    print(x)

输出:

Original array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]
Modified array is:
[ 0 1 2 3] [ 4 5 6 7] [8 9 10 11] 

代码#2:

# 使用 f_index 迭代数组值的 Python 程序
import numpy as geek 
# 使用排列方法创建数组
a = geek.arange(6)
# 具有 2 行和 3 列的形状数组
a = a.reshape(2,3)
print('Original array is:')
print(a)
print()
# 使用 f_index 参数迭代数组
it = geek.nditer(a, flags=['f_index'])
while not it.finished:
      print("%d <%d>" % (it[0], it.index), end=" ")
      it.iternext()

输出:

Original array is:
[[ 0 1 2]
 [ 3 4 5]]
0 <0> 1 <2> 2 <4> 3 <1> 4 <3> 5 <5>

广播迭代:

如果两个数组是可广播的,则组合的nditer对象能够同时对它们进行迭代。假设一个数组a的维度为3X4,并且还有另一个维度为1X4的数组b,则使用以下类型的迭代器(数组b广播到a的大小)。

# 用于迭代数组的 Python 程序
import numpy as geek
# 使用排列方法创建数组
a = geek.arange(12)
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
print('First array is:') 
print(a)
print()  
# 使用数组方法创建第二个数组
print('Second array is:') 
b = geek.array([5, 6, 7, 8], dtype = int) 
print(b)  
print() 
print('Modified array is:')
for x,y in geek.nditer([a,b]): 
    print("%d:%d" % (x,y))

输出:

First array is:
[[ 0 1 2 3]
 [ 4 5 6 7]
 [ 8 9 10 11]]
Second array is:
[5 6 7 8]
Modified array is:
0:5 1:6 2:7 3:8 4:5 5:6 6:7 7:8 8:5 9:6 10:7 11:8

感谢大家的阅读,有什么问题的话可以在评论中告诉我。希望大家能够给我来个点赞+收藏+评论 ,你的支持是海海更新的动力!后面我会持续分享前端 & 后端相关的专业知识。


目录
相关文章
|
4天前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
30 8
|
4天前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
22 7
|
4天前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
22 4
|
4天前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
20 5
|
27天前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
25 1
|
27天前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
27 1
|
28天前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析的基础教程
【10月更文挑战第41天】本文旨在为初学者提供一个关于如何使用Python语言进行数据分析的入门指南。我们将通过实际案例,了解数据处理的基本步骤,包括数据的导入、清洗、处理、分析和可视化。文章将用浅显易懂的语言,带领读者一步步掌握数据分析师的基本功,并在文末附上完整的代码示例供参考和实践。
|
28天前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
26 1
|
1月前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
27 1
|
29天前
|
Python
SciPy 教程 之 Scipy 显著性检验 5
显著性检验用于判断样本与总体假设间的差异是否由随机变异引起,或是假设与真实情况不符所致。SciPy通过scipy.stats模块提供显著性检验功能,P值用于衡量数据接近极端程度,与alpha值对比以决定统计显著性。
29 0