Python中np.nditer的循環迭代器

一、nditer的簡介

在numpy模塊中有一個非常有用的函數——np.nditer()，用於在多維數組中迭代元素。np.nditer()對象可以訪問數組的每個元素，可以指定迭代順序、迭代方式、以及每次迭代時所訪問的塊的大小。使用np.nditer()可以大大提高在多維數組上進行迭代時的效率。

二、np.nditer對象的創建與使用

定義一個np.nditer對象格式如下：

import numpy as np

a = np.array([[1,2], [3,4]])

it = np.nditer(a)
for x in it:
    print(x)

結果輸出：

1
2
3
4

以上代碼中，定義了一個二維數組a，然後使用np.nditer()函數創建了一個可迭代的對象it。通過for循環遍歷it迭代器中的每個元素並列印出來。

三、指定迭代順序

在默認情況下，np.nditer()函數使用「C風格」的迭代順序。但是，我們也可以使用其他的順序，比如「F風格」或者「多索引」方式。下面分別通過示例說明這三種迭代方式。

1.「C風格」迭代順序

「C風格」迭代順序是指以行為主序，以列為次序對數組進行遍歷。示例代碼如下：

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風格」進行迭代，flags=[‘multi_index’]則表示迭代的同時輸出所迭代元素的下標。結果輸出如下：

1 (0, 0)
2 (0, 1)
3 (1, 0)
4 (1, 1)

2.「F風格」迭代順序

「F風格」迭代順序是指以列為主序，以行為次序對數組進行遍歷。示例代碼如下：

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()

輸出結果如下：

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時遍歷多個數組。示例代碼如下：

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()

輸出結果如下：

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、指定塊大小

我們可以使用np.nditer()函數的「flags」參數來指定每次迭代時的塊大小，從而實現對大型數組的高效迭代。示例代碼如下：

import numpy as np

a = np.arange(24).reshape(2,3,4)

# 迭代時每次訪問2個元素（2表示塊大小）
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)

輸出結果如下：

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、總結

本文介紹了使用np.nditer()函數進行多維數組迭代的方法和使用場景。通過指定不同的迭代順序、迭代方式，以及設置合適的塊大小，可以大大提高在多維數組上進行迭代時的效率。np.nditer()函數在處理多維數組時非常有用，掌握其用法和技巧，可以幫助我們更高效地進行向量化的運算。