【Numpy总结】第六节：Numpy 元素的遍历

一、单个数组的遍历：numpy.nditer 的使用

迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。一般情况下的使用方式如下：for x in np.nditer(data_in, order='')，可以遍历nparray中的所有数据，举例如下：

a = np.arange(12).reshape(3,4)
for x in np.nditer(a):
    print(x,end=',')
# 0,1,2,3,4,5,6,7,8,9,10,11,
1
2
3
4

格式：np.nditer(data_in, order='',op_flags =[],flags=[])

参数解释如下：

1.1 参数：order

通过参数 order='F' or order='C' 可以通过改变遍历的顺序；举例如下：

for x in np.nditer(a, order='F'): # Fortran order，即是列序优先；
for x in np.nditer(a.T, order='C'): # C order，即是行序优先；

for x in np.nditer(a,order='F'):
    print(x,end=',')
# 0,4,8,1,5,9,2,6,10,3,7,11,
for x in np.nditer(a,order='C'):
    print(x,end=',')
# 0,1,2,3,4,5,6,7,8,9,10,11,
1
2
3
4
5
6

1.2 参数：op_flags

默认情况下，nditer 对nparray进行遍历时，遍历出的元素为只读对象（read-only），若我们需要修改其中的值，需要设置：op_flags=['readwrite']

a = np.arange(12).reshape(3,4)
for x in np.nditer(a,op_flags=['readwrite']):
    x[...] = 2*x
print(a)
# [[ 0  2  4  6]
#  [ 8 10 12 14]
#  [16 18 20 22]]
1
2
3
4
5
6
7

1.3 参数：flags

尝试用的参数设置为：flags = ['external_loop'] ，其余的设置不常用，就不列举了；当设置flags = ['external_loop'] 后，可以实现对二维数组的行或者列的输出，在今后的写代码过程中，给大家带来便利；举例如下：

举例：

# 返回索引值举例
a = np.arange(12).reshape(3,4)
for x in  np.nditer(a,flags=['f_index'],order='F'):
    print(x,end=',')
# 0,4,8,1,5,9,2,6,10,3,7,11,
for x in  np.nditer(a,flags=['f_index'],order='C'):
    print(x,end=',')
# 0,1,2,3,4,5,6,7,8,9,10,11,

# 返回列方向的多个一维数组
a = np.arange(12).reshape(3,4)
for x in  np.nditer(a,flags=['external_loop'],order='F'):
    print(x)
# [0 4 8]
# [1 5 9]
# [ 2  6 10]
# [ 3  7 11]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

二、多个数组的遍历

2.1 多个数组Shape相同时

当数组Shape相同时，可以直接使用np.nditer(), 举例如下：

a = np.arange(12).reshape(3,4)
b = np.ones(12).reshape(3,4)
for i,j in np.nditer([a,b]):
    print(i,"-->",int(j))
# 输出如下：
# 0 --> 1
# 1 --> 1
# 2 --> 1
# 3 --> 1
# 4 --> 1
# 5 --> 1
# 6 --> 1
# 7 --> 1
# 8 --> 1
# 9 --> 1
# 10 --> 1
# 11 --> 1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

2.2 多个数组Shape不同时

当数组Shape不同时，需要满足广播规则，才可以使用广播遍历，广播规则请参考：【Numpy总结】第五节：Numpy的广播（更易理解的版本）
举例如下：

a = np.arange(12).reshape(3,4)
b = np.arange(4)
for i,j in np.nditer([a,b]):
    print(i,"-->",j)
# 输出如下：
# 0 --> 0
# 1 --> 1
# 2 --> 2
# 3 --> 3
# 4 --> 0
# 5 --> 1
# 6 --> 2
# 7 --> 3
# 8 --> 0
# 9 --> 1
# 10 --> 2
# 11 --> 3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17