NumPy 数组迭代与合并详解

NumPy 数组迭代

NumPy 数组迭代是访问和处理数组元素的重要方法。它允许您逐个或成组地遍历数组元素。

基本迭代

我们可以使用 Python 的基本 for 循环来迭代 NumPy 数组。

一维数组迭代：

import numpy as np
 
arr = np.array([1, 2, 3, 4, 5])
 
for element in arr:
    print(element)

二维数组迭代：

import numpy as np
 
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
 
for row in arr:
    for element in row:
        print(element)

多维数组迭代：

对于更高维度的数组，我们可以使用嵌套循环来迭代每个维度。

import numpy as np
 
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
 
for cube in arr:
    for row in cube:
        for element in row:
            print(element)

使用 nditer() 进行高级迭代

NumPy 提供了 np.nditer() 函数，用于更复杂的迭代操作。它允许您：

指定迭代顺序：order 参数可以是 'C'（行优先）或 'F'（列优先）。
过滤元素：flags 参数可以包含 'filtering' 和 'slicing' 等标志，用于过滤元素。
转换数据类型：op_dtypes 参数可以指定迭代过程中元素的数据类型。
使用步长：axes 和 step 参数可以用于指定迭代步长。

示例：

import numpy as np
 
arr = np.array([[1, 2, 3], [4, 5, 6]])
 
# 迭代每个元素，并将其转换为字符串
for element in np.nditer(arr, op_dtypes=['S']):
    print(element)

示例：

import numpy as np
 
arr = np.array([[1, 2, 3], [4, 5, 6]])
 
# 迭代行，跳过第一个元素
for row in np.nditer(arr[:, 1:], flags=['slicing']):
    print(row)

示例：

import numpy as np
 
arr = np.array([[1, 2, 3], [4, 5, 6]])
 
# 迭代列，每隔一个元素
for column in np.nditer(arr[:, ::2], flags=['slicing']):
    print(column)

使用 ndenumerate() 进行枚举迭代

np.ndenumerate() 函数将每个元素与其索引一起返回。

示例：

import numpy as np
 
arr = np.array([[1, 2, 3], [4, 5, 6]])
 
for (row_idx, col_idx), element in np.ndenumerate(arr):
    print(f"({row_idx}, {col_idx}): {element}")

练习

使用 NumPy 数组迭代完成以下任务：

1. 创建一个 3x3 的二维数组，并打印每个元素。
2. 创建一个 5x5x5 的三维数组，并打印每个元素的坐标和值。
3. 创建一个 10 个元素的一维数组，并计算数组元素的平均值。
4. 创建一个 2x2 的二维数组，并将其转置（行列互换）。
5. 创建一个 3x4 的二维数组，并沿第 1 轴（行）堆叠两个这样的数组。

在评论中分享您的代码和输出。

Sure, here is the requested Markdown formatted content:

NumPy 合并数组

NumPy 提供了多种函数来合并数组，用于将多个数组的内容连接成一个新数组。

合并数组

np.concatenate() 函数用于沿指定轴连接多个数组。

语法：

np.concatenate((arr1, arr2, ..., arrN), axis=None)

arr1, arr2, ..., arrN： 要合并的数组。
axis： 指定连接的轴。默认为 0。

示例：

import numpy as np
 
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
 
# 合并两个一维数组
arr = np.concatenate((arr1, arr2))
print(arr)  # 输出： [1 2 3 4 5 6]
 
# 沿行合并两个二维数组
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr = np.concatenate((arr1, arr2), axis=1)
print(arr)  # 输出： [[ 1  2  5  6]
                        #  [ 3  4  7  8]]

堆叠数组

np.stack() 函数用于沿新轴堆叠多个数组。

语法：

np.stack((arr1, arr2, ..., arrN), axis=None)

arr1, arr2, ..., arrN： 要堆叠的数组。
axis： 指定堆叠的轴。默认为 0。

示例：

import numpy as np
 
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
 
# 沿第二轴堆叠两个一维数组
arr = np.stack((arr1, arr2), axis=1)
print(arr)  # 输出： [[1 4]
                        #  [2 5]
                        #  [3 6]]
 
# 沿行堆叠
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr = np.stack((arr1, arr2), axis=0)
print(arr)  # 输出： [[1 2]
                        #  [3 4]
                        #  [5 6]
                        #  [7 8]]

辅助函数

NumPy 提供了一些辅助函数来方便常见轴上的堆叠操作：

np.hstack()：沿水平方向（行）堆叠数组。
np.vstack()：沿垂直方向（列）堆叠数组。
np.dstack()：沿第三轴（深度）堆叠数组。

示例：

import numpy as np
 
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
 
# 沿行堆叠
arr = np.hstack((arr1, arr2))
print(arr)  # 输出： [1 2 3 4 5 6]
 
# 沿列堆叠
arr = np.vstack((arr1, arr2))
print(arr)  # 输出： [[1 4]
                        #  [2 5]
                        #  [3 6]]

练习

使用 NumPy 的正确方法，将以下数组 arr1 和 arr2 合并成一个新数组。

import numpy as np
 
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
 
# 期望输出： [1 4 2 5 3 6]

在评论中分享您的代码和输出。

最后

为了方便其他设备和平台的小伙伴观看往期文章：

微信公众号搜索：Let us Coding，关注后即可获取最新文章推送

看完如果觉得有帮助，欢迎点赞、收藏、关注