Question

我有这样一个阵列：

>>>y = np.random.randint(0, 255, (2,2,3))
>>>array([[[242, 14, 211],
           [198,  7,   0]],

          [[235,  60,  81],
           [164,  64, 236]]])

我必须迭代每个三元组元素（遗憾的是，矢量化在这里不会帮助我......）。所以我试过了：

for i, j in np.nditer(y):
print y[i, j],

希望我能得到这样的结果：

[242, 14, 211], [198, 7, 0], [235, 60, 81], [164, 64, 236]，但没有运气！

我收到错误：

Traceback (most recent call last):

  File "<ipython-input-21-a336ef837a8a>", line 1, in <module>
    for i, j in np.nditer(y):    print y[i,j]

TypeError: iteration over a 0-d array

我很确定我犯了一个非常明显的错误......有人可以帮助我吗？

Answer 1

或重塑y

for i in y.reshape(-1,3):
    print i

双重迭代也有效：

for x in y:
    for z in x:
        print z

普通nditer遍历y的每个元素（nditer不会为您提供索引）：

for i in np.nditer(y):
    print i   
    # wrong y[i]

您需要深入了解nditer的标记和文档，以迭代其2个维度。虽然nditer提供了对底层迭代机制的访问，但您通常不需要使用它 - 除非您正在做一些不寻常的事情，或尝试使用cython来加速代码。

以下是在nditer对象上从迭代中获取2个值的示例。 op列表中的每个数组都有一个值。 x和z都是()形状数组。

for x,z in np.nditer([y,y]):
    print x,z

关于使用nditer的更多内容 http://docs.scipy.org/doc/numpy/reference/arrays.nditer.html

此文档页面有一个使用external_loop的示例，它以子阵列的形式显示数组，而不是单独使用。我可以通过重新排序轴来完成同样的3D y：

y3=y.swapaxes(2,0).copy(order='C')
for i in np.nditer(y3,order='F',flags=['external_loop']):
    print i,

[242  14 211] [198   7   0] [235  60  81] [164  64 236]

所以我们可以使用nditer来做这个浅层迭代，但它值得吗？

在Iterating over first d axes of numpy array中，我偶然发现ndindex：

for i in np.ndindex(y.shape[:2]):
    print y[i],
# [242  14 211] [198   7   0] [235  60  81] [164  64 236]

ndindex使用nditer。生成浅迭代的技巧是使用仅使用要迭代的维度的子阵列。

class ndindex(object):
    def __init__(self, *shape):
        ...
        x = as_strided(_nx.zeros(1), shape=shape, strides=_nx.zeros_like(shape))
        self._it = _nx.nditer(x, flags=['multi_index', 'zerosize_ok'], order='C')
    def __next__(self):
        next(self._it)
        return self._it.multi_index

或者剥离ndindex我得到的基本部分：

xx = np.zeros(y.shape[:2])
it = np.nditer(xx,flags=['multi_index'])                               
while not it.finished:
    print y[it.multi_index],
    it.iternext()
# [242  14 211] [198   7   0] [235  60  81] [164  64 236]

Answer 2

看起来你只需要将它压平一个级别。您可以使用itertools中的chain运算符。

from itertools import chain    


y = np.random.randint(0, 255, (2,2,3)
b = chain.from_iterable(y) # where b is a generator

列表（b）输出

[array([ 51, 119,  84]),
 array([ 50, 110, 193]),
 array([165, 157,  52]),
 array([239, 119,  83])]

与nditer的浅迭代

2 个答案: