使用NumPy迭代和修改数组

Question

我有两个向量x和y，其长度与NumPy相同。

如何迭代x并修改y中的值？

我的意思是

ingredients = empty(cakes.shape)
for ingredient, cake in np.nditer([ingredients,cakes]):
    ingredient = cake * 2 + 2

Answer 1

正如其他人所说，使用矢量化通常更好/更快/更好/ ... /

但如果你有充分的理由使用迭代，你当然可以这样做。

我刚从the official documentation复制了这个：

>>> a = np.arange(6).reshape(2,3)
>>> a
array([[0, 1, 2],
       [3, 4, 5]])
>>> for x in np.nditer(a, op_flags=['readwrite']):
...     x[...] = 2 * x
...
>>> a
array([[ 0,  2,  4],
       [ 6,  8, 10]])

Answer 2

您可能想要处理向量而不是循环吗？

In [144]: cakes = np.array([2, 3])

In [145]: cakes * 2 + 2
Out[145]: array([6, 8])

Answer 3

您的示例不起作用，因为成分不是可变数据类型，它是int或float以及更大结构中的元素 - 您必须修改更大的结构。

尽管如此，这样做的numpyonic方式如下：

ingredient = cakes * 2 + 2

numpy的巨大优势在于它的矢量化语句，就像这个。

Answer 4

使用矢量化：

ingredient = cakes * 2 + 2

这比放入python for循环要快得多，而且这样做的能力是numpy提供的主要功能之一。 Vectorization允许numpy利用cpu缓存，并使用C中实现的循环。你会习惯于在这样的操作方面进行思考，以获得numpy的全部功能。