说我有一个3D numpy.array,例如对于尺寸x y z,有没有办法沿特定轴迭代切片?类似的东西:
for layer in data.slices(dim=2):
# do something with layer
编辑:
为了澄清,该示例是dim = 3数组,即shape =(len_x,len_y,len_z)。 Elazar和等效的kamjagin解决方案有效,但不是那么通用 - 你必须手工构建[:, :, i]
,这意味着你需要知道尺寸,而且代码不够通用,无法处理任意尺寸的数组。您可以使用[..., :]
之类的内容来填充缺失的维度,但您仍然需要自己构建它。
对不起,应该更清楚一点,这个例子有点太简单了!
答案 0 :(得分:6)
迭代第一维很容易,见下文。要迭代其他维度,请将该维度滚到前面并执行相同的操作:
>>> data = np.arange(24).reshape(2, 3, 4)
>>> for dim_0_slice in data: # the first dimension is easy
... print dim_0_slice
...
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]
>>> for dim_1_slice in np.rollaxis(data, 1): # for the others, roll it to the front
... print dim_1_slice
...
[[ 0 1 2 3]
[12 13 14 15]]
[[ 4 5 6 7]
[16 17 18 19]]
[[ 8 9 10 11]
[20 21 22 23]]
>>> for dim_2_slice in np.rollaxis(data, 2):
... print dim_2_slice
...
[[ 0 4 8]
[12 16 20]]
[[ 1 5 9]
[13 17 21]]
[[ 2 6 10]
[14 18 22]]
[[ 3 7 11]
[15 19 23]]
编辑一些时间,比较大型阵列的不同方法:
In [7]: a = np.arange(200*100*300).reshape(200, 100, 300)
In [8]: %timeit for j in xrange(100): a[:, j]
10000 loops, best of 3: 60.2 us per loop
In [9]: %timeit for j in xrange(100): a[:, j, :]
10000 loops, best of 3: 82.8 us per loop
In [10]: %timeit for j in np.rollaxis(a, 1): j
10000 loops, best of 3: 28.2 us per loop
In [11]: %timeit for j in np.swapaxes(a, 0, 1): j
10000 loops, best of 3: 26.7 us per loop
答案 1 :(得分:1)
这可能比这更优雅地解决了,但如果你事先知道昏暗(例如2),那么这样做的一种方法是:
for i in range(data.shape[dim]):
layer = data[:,:,i]
或如果dim = 0
for i in range(data.shape[dim]):
layer = data[i,:,:]
等
答案 2 :(得分:0)
类似的东西?
>>> data = np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> for layer in [data[:,i] for i in range(3)]:
... print layer
...
[1 4 7]
[2 5 8]
[3 6 9]
答案 3 :(得分:0)
如果我错了,请纠正我,但在我看来,你的3D阵列看起来像是:
>>> my_array.shape
(3,N)
其中N是数组的大小。因此,如果您想迭代一个维度,您可以这样做:
>>> for item in my_array[1,:]:
这将迭代第二维。