一、nditer的简介
在numpy模块中有一个非常有用的函数——np.nditer()，用于在多维数组中迭代元素。np.nditer()对象可以访问数组的每个元素，可以指定迭代顺序、迭代方式、以及每次迭代时所访问的块的大小。使用np.nditer()可以大大提高在多维数组上进行迭代时的效率。
二、np.nditer对象的创建与使用
定义一个np.nditer对象格式如下：
import numpy as np
a = np.array([[1,2], [3,4]])
it = np.nditer(a)
for x in it:
print(x)
结果输出：
1 2 3 4
以上代码中，定义了一个二维数组a，然后使用np.nditer()函数创建了一个可迭代的对象it。通过for循环遍历it迭代器中的每个元素并打印出来。
三、指定迭代顺序
在默认情况下，np.nditer()函数使用“C风格”的迭代顺序。但是，我们也可以使用其他的顺序，比如“F风格”或者“多索引”方式。下面分别通过示例说明这三种迭代方式。
1.“C风格”迭代顺序
“C风格”迭代顺序是指以行为主序，以列为次序对数组进行遍历。示例代码如下：
import numpy as np
a = np.array([[1,2], [3,4]])
it = np.nditer(a, flags=['multi_index'], order='C')
while not it.finished:
print("%d %s" % (it[0], it.multi_index))
it.iternext()
其中，order=’C’表示按“C风格”进行迭代，flags=[‘multi_index’]则表示迭代的同时输出所迭代元素的下标。结果输出如下：
1 (0, 0) 2 (0, 1) 3 (1, 0) 4 (1, 1)
2.“F风格”迭代顺序
“F风格”迭代顺序是指以列为主序，以行为次序对数组进行遍历。示例代码如下：
import numpy as np
a = np.array([[1,2], [3,4]])
it = np.nditer(a, flags=['multi_index'], order='F')
while not it.finished:
print("%d %s" % (it[0], it.multi_index))
it.iternext()
输出结果如下：
1 (0, 0) 3 (1, 0) 2 (0, 1) 4 (1, 1)
3.“多索引”方式迭代
“多索引”方式迭代是指可以同时遍历多个数组。示例代码如下：
import numpy as np
a = np.array([[1,2], [3,4]])
b = np.array([[5,6], [7,8]])
it = np.nditer([a, b], flags=['multi_index'], order='C')
while not it.finished:
print("%d %s" % (it[0], it.multi_index))
it.iternext()
输出结果如下：
1 (0, 0) 5 (0, 0) 2 (0, 1) 6 (0, 1) 3 (1, 0) 7 (1, 0) 4 (1, 1) 8 (1, 1)
四、指定块大小
我们可以使用np.nditer()函数的“flags”参数来指定每次迭代时的块大小，从而实现对大型数组的高效迭代。示例代码如下：
import numpy as np
a = np.arange(24).reshape(2,3,4)
# 迭代时每次访问2个元素（2表示块大小）
it = np.nditer(a, flags=['multi_index'], order='C', op_flags=['readwrite'], op_flags=['external_loop'])
with it:
for x in it:
print(x, it.multi_index)
输出结果如下：
0 (0, 0, 0) 1 (0, 0, 1) 2 (0, 0, 2) 3 (0, 0, 3) 4 (0, 1, 0) 5 (0, 1, 1) 6 (0, 1, 2) 7 (0, 1, 3) 8 (0, 2, 0) 9 (0, 2, 1) 10 (0, 2, 2) 11 (0, 2, 3) 12 (1, 0, 0) 13 (1, 0, 1) 14 (1, 0, 2) 15 (1, 0, 3) 16 (1, 1, 0) 17 (1, 1, 1) 18 (1, 1, 2) 19 (1, 1, 3) 20 (1, 2, 0) 21 (1, 2, 1) 22 (1, 2, 2) 23 (1, 2, 3)
五、总结
本文介绍了使用np.nditer()函数进行多维数组迭代的方法和使用场景。通过指定不同的迭代顺序、迭代方式，以及设置合适的块大小，可以大大提高在多维数组上进行迭代时的效率。np.nditer()函数在处理多维数组时非常有用，掌握其用法和技巧，可以帮助我们更高效地进行向量化的运算。
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/243629.html
微信扫一扫 
支付宝扫一扫 