笔记 | numpy-10.迭代数组

#%% md
NumPy 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。
迭代器最基本的任务的可以完成对数组元素的访问。
接下来我们使用 arange() 函数创建一个 2X3 数组，并使用 nditer 对它进行迭代b
#%%
import numpy as np

a = np.arange(6).reshape(2, 3) # 2r3c
a
#%%
# 通过迭代输出
# 以上实例不是使用标准 C 或者 Fortran 顺序，选择的顺序是和数组内存布局一致的，这样做是为了提升访问的效率，默认是行序优先（row-major order，或者说是 C-order）
for _ in np.nditer(a): # 一层for就可以输出整个数组 | 按照一行行输出(水平)
    print(_, end=', ')
#%%
a.T # 反转
#%%
# 反映了默认情况下只需访问每个元素，而无需考虑其特定顺序。我们可以通过迭代上述数组的转置来看到这一点，并与以 C 顺序访问数组转置的 copy 方式做对比
# a 和 a.T 的遍历顺序是一样的，也就是他们在内存中的存储顺序也是一样的
for _ in np.nditer(a.T): # 一层for就可以输出整个数组 | 没感觉 输出的顺序一样 | 使用的还是 a 这个进行迭代遍历
    print(_, end=', ')
#%%
# 但是 a.T.copy(order = 'C') 的遍历结果是不同的，那是因为它和前两种的存储方式是不一样的，默认是按行访问
for _ in np.nditer(a.T.copy(order='C')): # 一层for就可以输出整个数组 | 输出的顺序不同 | 这个按照一行行输出(水平) 这个是使用复制(复制排序改变)
    print(_, end=', ')
#%%
# 控制遍历顺序
# 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
#%%
import numpy as np

a = np.arange(0, 60, 5) # 0~60(不含60) 步长 5
a
#%%
a = a.reshape(3, 4) # 3r4c
a
#%%
b = a.T
b # 4r3c
#%%
for _ in np.nditer(b):
    print(_, end=', ') # 垂直(列)
#%%
c = b.copy(order='C')
c
#%%
for _ in np.nditer(c):
    print(_, end=', ') # 水平(行)
#%%
c = b.copy(order='F')
c
#%%
for _ in np.nditer(c):
    print(_, end=', ') # 垂直(列)
#%%
# 可以通过显式设置，来强制 nditer 对象使用某种顺序
for _ in np.nditer(a, order='C'):
    print(_, end=', ') # 水平(行)
#%%
for _ in np.nditer(a, order='F'):
    print(_, end=', ') # 垂直(列)
#%% md
## 修改数组中元素的值
nditer 对象有另一个可选参数 op_flags。 默认情况下，nditer 将视待迭代遍历的数组为只读对象（read-only），为了在遍历数组的同时，实现对数组元素值得修改，必须指定 read-write 或者 write-only 的模式
#%%
import numpy as np

for _ in np.nditer(a, op_flags=['readwrite']):
    _[...] = 2 * _ # 元素均进行 乘以2运算

a
#%% md
## 使用外部循环
#%%
# nditer 类的构造器拥有 flags 参数，它可以接受下列值
"""
参数	描述
c_index	可以跟踪 C 顺序的索引 | 行
f_index	可以跟踪 Fortran 顺序的索引 | 列
multi_index	每次迭代可以跟踪一种索引类型
external_loop	给出的值是具有多个值的一维数组，而不是零维数组
"""
#%%
for _ in np.nditer(a, flags=['external_loop'], order='F'):
    print(_, end=', ')
#%% md
## 广播迭代
#%%
# 如果两个数组是可广播的，nditer 组合对象能够同时迭代它们。 假设数组 a 的维度为 3X4，数组 b 的维度为 1X4 ，则使用以下迭代器（数组 b 被广播到 a 的大小）
import numpy as np

a = np.arange(0, 60, 5).reshape(3, 4)
a
#%%
b = np.array([1, 2, 3, 4], dtype=int)
b
#%%
# 进行迭代 这个可以方便查看计算方式
for x,y in np.nditer([a, b]):
    print('x = %d, y = %d' % (x, y))
#%%