1、基本使用

import numpy as np""" NumPy 迭代器對象 numpy.nditer 提供了一種靈活訪問一個或者多個數組元素的方式。 迭代器最基本的任務的可以完成對數組元素的訪問。 """ a = np.arange(6).reshape(2,3) print ('原始數組是：') print (a) print ('迭代輸出元素：') for x in np.nditer(a):print (x, end=", " ) print("\n ") """ 原始數組是： [[0 1 2][3 4 5]] 迭代輸出元素： 0, 1, 2, 3, 4, 5, 以上實例不是使用標準 C 或者 Fortran 順序，選擇的順序是和數組內存布局一致的，這樣做是為了提升訪問的效率，默認是行序優先（row-major order，或者說是 C-order）。 """ # 我們可以通過迭代上述數組的轉置來看到這一點，并與以 C 順序訪問數組轉置的 copy 方式做對比，如下實例： a = np.arange(6).reshape(2, 3) for x in np.nditer(a.T):print(x, end=", ") # 0, 1, 2, 3, 4, 5, print('\n')for x in np.nditer(a.T.copy(order='C')):print(x, end=", ") # 0, 3, 1, 4, 2, 5, print('\n')print(a.T) print(a.T.copy(order='C')) """ [[0 3][1 4][2 5]] [[0 3][1 4][2 5]]從上述例子可以看出，a 和 a.T 的遍歷順序是一樣的，也就是他們在內存中的存儲順序也是一樣的，但是 a.T.copy(order = 'C') 的遍歷結果是不同的，那是因為它和前兩種的存儲方式是不一樣的，默認是按行訪問。 """

2、控制遍歷順序

for x in np.nditer(a, order=‘F’):Fortran order，即是列序優先；
for x in np.nditer(a.T, order=‘C’):C order，即是行序優先；
方式一、使用copy

a = np.arange(0,60,5) a = a.reshape(3,4) print ('原始數組是：') print (a) print ('原始數組的轉置是：') b = a.T print (b) print ('以 C 風格順序排序：') c = b.copy(order='C') print (c) for x in np.nditer(c):print (x, end=", " ) print ('\n') print ('以 F 風格順序排序：') c = b.copy(order='F') print (c) for x in np.nditer(c):print (x, end=", " ) """ 原始數組是： [[ 0 5 10 15][20 25 30 35][40 45 50 55]] 原始數組的轉置是： [[ 0 20 40][ 5 25 45][10 30 50][15 35 55]] 以 C 風格順序排序： [[ 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 風格順序排序： [[ 0 20 40][ 5 25 45][10 30 50][15 35 55]] 0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, """

方式二、顯式設置，強制 nditer 對象使用某種順序

# 可以通過顯式設置，來強制 nditer 對象使用某種順序： a = np.arange(0,60,5) a = a.reshape(3,4) print ('原始數組是：') print (a) print ('以 C 風格順序排序：') for x in np.nditer(a, order = 'C'):print (x, end=", " ) print ('\n') print ('以 F 風格順序排序：') for x in np.nditer(a, order = 'F'):print (x, end=", " )""" 原始數組是： [[ 0 5 10 15][20 25 30 35][40 45 50 55]] 以 C 風格順序排序： 0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 以 F 風格順序排序： 0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55, """

3、修改數組中元素的值

nditer 對象有另一個可選參數 op_flags。 默認情況下，nditer 將視待迭代遍歷的數組為只讀對象（read-only），為了在遍歷數組的同時，實現對數組元素值得修改，必須指定 read-write 或者 write-only 的模式。

a = np.arange(0,60,5) a = a.reshape(3,4) print ('原始數組是：') print (a) print ('\n') for x in np.nditer(a, op_flags=['readwrite']):x[...]=2*x print ('修改后的數組是：') print (a) """ 原始數組是： [[ 0 5 10 15][20 25 30 35][40 45 50 55]] 修改后的數組是： [[ 0 10 20 30][ 40 50 60 70][ 80 90 100 110]] """

4、廣播迭代

如果兩個數組是可廣播的，nditer 組合對象能夠同時迭代它們。 假設數組 a 的維度為 3X4，數組 b 的維度為 1X4 ，則使用以下迭代器（數組 b 被廣播到 a 的大小）。

a = np.arange(0,60,5) a = a.reshape(3,4) print ('第一個數組為：') print (a) print ('\n') print ('第二個數組為：') b = np.array([1, 2, 3, 4], dtype = int) print (b) print ('\n') print ('修改后的數組為：') for x,y in np.nditer([a,b]):print ("%d:%d" % (x,y), end=", " ) """第一個數組為： [[ 0 5 10 15][20 25 30 35][40 45 50 55]] 第二個數組為： [1 2 3 4] 修改后的數組為： 0:1, 5:2, 10:3, 15:4, 20:1, 25:2, 30:3, 35:4, 40:1, 45:2, 50:3, 55:4, """

https://www.runoob.com/numpy/numpy-terating-over-array.html

總結

以上是生活随笔為你收集整理的python3-numpy np.nditer 迭代数组、np.nditer修改数组、np.nditer广播迭代的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。