Lesson10——NumPy 迭代數組
NumPy 迭代數組
NumPy 迭代器對象 numpy.nditer 提供了一種靈活訪問一個或者多個數組元素的方式。
迭代器最基本的任務的可以完成對數組元素的訪問。
Example：使用 arange() 函數創建一個 2X3 數組，並使用 nditer 對它進行迭代。
a = np.arange(6).reshape(2,3)
print('原始數組是')
print(a)
print('迭代輸出元素')
for x in np.nditer(a):
print(x,end=' ')
#輸出結果
原始數組是
[[0 1 2]
[3 4 5]]
迭代輸出元素
0 1 2 3 4 5
Example：
a = np.arange(8).reshape(2,2,2)
print('原始數組是')
print(a)
print('迭代輸出元素')
for x in np.nditer(a):
print(x,end=' ')
#輸出結果
原始數組是
[[[0 1]
[2 3]]
[[4 5]
[6 7]]]
迭代輸出元素
0 1 2 3 4 5 6 7
以上實例不是使用標準 C 或者 Fortran 順序，選擇的順序是和數組內存布局一致的，這樣做是為了提升訪問的效率，默認是行序優先（row-major order，或者說是 C-order）。
這反映了默認情況下只需訪問每個元素，而無需考慮其特定順序。我們可以通過迭代上述數組的轉置來看到這一點，並與以 C 順序訪問數組轉置的 copy 方式做對比，如下實例：
Example：
a = np.arange(6).reshape(2,3)
for x in np.nditer(a.T):
print(x,end=' ')
print()
print(a.T.copy(order ='C'))
for x in np.nditer(a.T.copy(order ='C')):
print(x,end=' ')
#輸出結果
0 1 2 3 4 5
[[0 3]
[1 4]
[2 5]]
0 3 1 4 2 5
從上述例子可以看出，a 和 a.T 的遍歷順序是一樣的，也就是他們在內存中的存儲順序也是一樣的，但是 a.T.copy(order = ‘C’) 的遍歷結果是不同的，那是因為它和前兩種的存儲方式是不一樣的，默認是按行訪問。
控制遍歷順序
for x in np.nditer(a, order='F'):Fortran order，即是列序優先；for x in np.nditer(a.T, order='C'):C order，即是行序優先；
Example：
a = np.arange(0,60,5)
a = a.reshape(3,4)
print ('原始數組是：')
print (a)
print ('\n')
print ('原始數組的轉置是：')
b = a.T
print (b)
print ('\n')
print ('以 C 風格順序排序：')
c = b.copy(order='C')
print (c)
for x in np.nditer(c):
print (x, end=", " )
print ('\n')
print ('以 F 風格順序排序：')
c = b.copy(order='F')
print (c)
for x in np.nditer(c):
print (x, end=", " )
#輸出結果
原始數組是：
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
原始數組的轉置是：
[[ 0 20 40]
[ 5 25 45]
[10 30 50]
[15 35 55]]
以 C 風格順序排序：
[[ 0 20 40]
[ 5 25 45]
[10 30 50]
[15 35 55]]
0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55,
以 F 風格順序排序：
[[ 0 20 40]
[ 5 25 45]
[10 30 50]
[15 35 55]]
0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55,
可以通過顯式設置，來強制 nditer 對象使用某種順序：
Example：
a = np.arange(0,60,5)
a = a.reshape(3,4)
print ('原始數組是：')
print (a)
print ('\n')
print ('以 C 風格順序排序：')
for x in np.nditer(a, order = 'C'):
print (x, end=" " )
print ('\n')
print ('以 F 風格順序排序：')
for x in np.nditer(a, order = 'F'):
print (x, end=" " )
#輸出結果
原始數組是：
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
以 C 風格順序排序：
0 5 10 15 20 25 30 35 40 45 50 55
以 F 風格順序排序：
0 20 40 5 25 45 10 30 50 15 35 55
修改數組中元素的值
nditer 對象有另一個可選參數 op_flags。 默認情況下，nditer 將視待迭代遍歷的數組為只讀對象（read-only），為了在遍曆數組的同時，實現對數組元素值得修改，必須指定 read-write 或者 write-only 的模式。
Example：
x = np.arange(6).reshape((2,3))
print('The original array is')
print(x)
for tmp in np.nditer(x,op_flags =['readwrite']):
tmp[...] = 1
print("The modified array is")
print(x)
#output result
"""
The original array is
[[0 1 2]
[3 4 5]]
The modified array is
[[1 1 1]
[1 1 1]]
"""
使用外部循環
nditer 類的構造器擁有 flags 參數，它可以接受下列值：
| 參數 | 描述 |
|---|---|
c_index |
可以跟蹤 C 順序的索引 |
f_index |
可以跟蹤 Fortran 順序的索引 |
multi_index |
每次迭代可以跟蹤一種索引類型 |
external_loop |
給出的值是具有多個值的一維數組，而不是零維數組 |
在下面的實例中，迭代器遍歷對應於每列，並組合為一維數組。
Example:
x = np.arange(9).reshape((3,3))
print("The original array is ")
print(x)
print('The modified array is ')
for x in np.nditer(x,flags=['external_loop'],order='F'):
print(x)
#output result
"""
The original array is
[[0 1 2]
[3 4 5]
[6 7 8]]
The modified array is
[0 3 6]
[1 4 7]
[2 5 8]
"""
廣播迭代
如果兩個數組是可廣播的，nditer 組合對象能夠同時迭代它們。 假設數組 $ a $ 的維度為 $3X4$，數組 $b$ 的維度為 $1X4$ ，則使用以下迭代器（數組 $b$ 被廣播到 $a$ 的大小）。
Example:
a = np.arange(0,60,5)
a = a.reshape(3,4)
print ('First array：')
print (a)
print ('\n')
print ('Second array：')
b = np.array([1, 2, 3, 4], dtype = int)
print (b)
print ('\n')
print ('The modified array ：')
for x,y in np.nditer([a,b]):
print ("%d:%d" % (x,y), end=", " )
#output result
"""
First array：
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
Second array：
[1 2 3 4]
The modified array ：
0:1, 5:2, 10:3, 15:4, 20:1, 25:2, 30:3, 35:4, 40:1, 45:2, 50:3, 55:4,
"""
er(a, order=’F’):
