numpy 迭代器物件 numpy.nditer 提供了一種靈活訪問乙個或者多個陣列元素的方式，迭代器最基本的任務的可以完成對陣列元素的訪問
使用 arange() 函式建立乙個 2x3 陣列，並使用 nditer 對它進行迭代
in [1]: import numpy as np
in [2]: num = np.arange(6).reshape(2,3)
in [3]: num
out[3]:
array([[0, 1, 2],
[3, 4, 5]])
in [4]: for x in np.nditer(num):
...: print(x, end=', ')
...:
0, 1, 2, 3, 4, 5,
這反映了預設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陣列的轉置來看到這一點，並與以 c 順序訪問陣列轉置的 copy 方式做對比
in [5]: for x in np.nditer(num.t):
...: print(x, end=', ')
...:
0, 1, 2, 3, 4, 5,
in [6]: for x in np.nditer(num.t.copy(order='c')):
...: print(x, end=', ')
...:
0, 3, 1, 4, 2, 5,
控制遍歷順序
原始陣列
in [1]: import numpy as np
in [2]: num = np.arange(0,60,5).reshape(3,4)
in [3]: num
out[3]:
array([[ 0, 5, 10, 15],
[20, 25, 30, 35],
[40, 45, 50, 55]])
in [4]: t = num.t
in [5]: t
out[5]:
array([[ 0, 20, 40],
[ 5, 25, 45],
[10, 30, 50],
[15, 35, 55]])
in [6]: c = t.copy(order='c')
in [7]: c
out[7]:
array([[ 0, 20, 40],
[ 5, 25, 45],
[10, 30, 50],
[15, 35, 55]])
in [8]: for x in np.nditer(c):
...: print(x, end=', ')
...:
0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55,
in [9]: f = t.copy(order='f')
in [10]: f
out[10]:
array([[ 0, 20, 40],
[ 5, 25, 45],
[10, 30, 50],
[15, 35, 55]])
in [11]: for x in np.nditer(f):
...: print(x, end=', ')
...:
0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55,
原始陣列
in [1]: import numpy as np
in [2]: num = np.arange(0,60,5).reshape(3,4)
in [3]: num
out[3]:
array([[ 0, 5, 10, 15],
[20, 25, 30, 35],
[40, 45, 50, 55]])
in [4]: for x in np.nditer(num, order='c'):
...: print(x, end=', ')
...:
0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55,
in [5]: for x in np.nditer(num, order='f'):
...: print(x, end=', ')
...:
0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55,
nditer 物件有另乙個可選引數 op_flags。 預設情況下，nditer 將視待迭代遍歷的陣列為唯讀物件（read-only），為了在遍歷陣列的同時，實現對陣列元素值得修改，必須指定 read-write 或者 write-only 的模式
in [1]: import numpy as np
in [2]: num = np.arange(0,60,5).reshape(3,4)
in [3]: num
out[3]:
array([[ 0, 5, 10, 15],
[20, 25, 30, 35],
[40, 45, 50, 55]])
in [4]: for x in np.nditer(num, op_flags=['readwrite']):
...: x[...] = 2 * x
...:
in [5]: num
out[5]:
array([[ 0, 10, 20, 30],
[ 40, 50, 60, 70],
[ 80, 90, 100, 110]])
nditer類的構造器擁有flags引數，它可以接受下列值
迭代器遍歷對應於每列，並組合為一維陣列
in [1]: import numpy as np
in [2]: num = np.arange(0,60,5).reshape(3,4)
in [3]: num
out[3]:
array([[ 0, 5, 10, 15],
[20, 25, 30, 35],
[40, 45, 50, 55]])
in [4]: for x in np.nditer(num, flags=['external_loop'], order='f'):
...: print(x, end=', ')
...:
[ 0 40 80], [10 50 90], [ 20 60 100], [ 30 70 110],
如果兩個陣列是可廣播的，nditer 組合物件能夠同時迭代它們。 假設陣列 a 的維度為 3x4，陣列 b 的維度為 1x4 ，則使用以下迭代器（陣列 b 被廣播到 a 的大小）
in [1]: import numpy as np
in [2]: a = np.arange(0,60,5).reshape(3,4)
in [3]: b = np.array([1,2,3,4], dtype=int)
in [4]: a
out[4]:
array([[ 0, 5, 10, 15],
[20, 25, 30, 35],
[40, 45, 50, 55]])
in [5]: b
out[5]: array([1, 2, 3, 4])
in [6]: for x, y in np.nditer([a, b]):
...: print('%d:%d' % (x,y), end=', ')
...:
0:1, 5:2, 10:3, 15:4, 20:1, 25:2, 30:3, 35:4, 40:1, 45:2, 50:3, 55:4,
NumPy 教程（第 20 章） 矩陣庫
numpy 中包含了乙個矩陣庫numpy.matlib，該模組中的函式返回的是乙個矩陣，而不是 ndarray 物件 乙個m n的矩陣是乙個由 m 行 row n 列 column 元素排列成的矩形陣列 矩陣裡的元素可以是數字 符號或數學式。以下是乙個由 6 個數字元素構成的 2 行 3 列的矩陣 ...
NumPy 教程（第 7 章） 切片和索引
ndarray 物件中的元素遵循基於零的索引。有三種可用的索引方法型別 字段訪問，基本切片和高階索引 ndarray 物件的內容可以通過索引或切片來訪問和修改，與 python 中 list 的切片操作一樣 ndarray 陣列可以基於 0 n 的下標進行索引，切片物件可以通過內建的 slice 函...
numpy迭代陣列nditer
使用nditer可以完成逐個訪問陣列中的元素。a np.arange 4 reshape 2,2 for i in a print i for i in np.nditer a print i 結果 0 1 2 3 01 23對於一維陣列結果一樣，但是多維就有區別了 nditer物件提供了乙個ord...