Question

注意：我不确定这是否重复 - 如果是，请告诉我（并关闭问题）。

如果有一个具有1维NumPy数组vector，那么如果有人写一个形式的for循环：

for element in vector :
    print(element)

结果将打印NumPy数组的每个元素。

如果有一个二维NumPy数组matrix，那么如果有人写一个for循环的形式：

for vector in matrix :
    print(vector)

结果将打印2维NumPy数组的每一行，即它将打印1维NumPy数组，并且不分别打印数组的每个元素。

但是，如果有人将for循环写为：

import numpy
for element in numpy.nditer(matrix) :
     print(element)

结果将打印二维NumPy数组的每个元素。

问题：如果有一个3维NumPy数组tensor会怎样？

a。如果有人写一个形式的for循环：

for unknownType in tensor :
     print(unknownType)

这会打印tensor的组成二维NumPy（子）数组吗？

即。对于n维NumPy数组nArray，for unknownType in nArray :迭代nArray的成分（n-1）维NumPy（子）数组吗？

b。如果有人写一个形式的for循环：

for unknownType in numpy.nditer(tensor) :
    print(unknownType)

这会打印tensor的元素吗？或者它会打印tensor的组成二维NumPy（子）数组的1维NumPy（子）数组吗？

即。对于n维NumPy数组nArray，for unknownType in nditer(nArray) :是否会迭代nArray的元素？或者它是否迭代nArray的成分（n-1）维NumPy（子）数组的成分（n-2）维NumPy（子）数组？

我不清楚名字nditer，因为我不知道“nd”代表什么（“iter”显然是“迭代”的缩写）。并且可能人们可以将这些元素视为“0维NumPy数组”，因此给我的二维NumPy数组的示例是模糊的。

我看过np.nditer documentation但老实说我不明白这些例子或者他们试图展示的内容 - 它似乎是程序员为程序员编写的（我不是）。< / p>

Answer 1

A）

for x in arr:迭代数组的第一维。

In [233]: for x in np.arange(24).reshape((2,3,4)):
     ...:     print(x.shape)
     ...:     
(3, 4)
(3, 4)

我认为它是for x in list(arr):...。它将数组分解为一个子数组列表。

b）中

使用nditer控制迭代深度很棘手。默认情况下，它会在元素级别进行迭代。教程页面显示了使用缓冲区和顺序的一些技巧。但我看到的最好的方法是使用ndindex。

ndindex构造一个正确大小的虚拟数组，并进行multi_index次迭代。

例如，迭代3d数组的前2个维度：

In [237]: arr = np.arange(24).reshape(2,3,4)
In [240]: for idx in np.ndindex(arr.shape[:2]):
     ...:     print(idx, arr[idx], arr[idx].sum())
     ...:      
(0, 0) [0 1 2 3] 6
(0, 1) [4 5 6 7] 22
(0, 2) [ 8  9 10 11] 38
(1, 0) [12 13 14 15] 54
(1, 1) [16 17 18 19] 70
(1, 2) [20 21 22 23] 86

我可以用

做同样的迭代

for i in range(2):
    for j in range(3):
         arr[i,j]...

或

arr1 = arr.reshape(-1,4)
for ij in range(6):
    arr1[ij]....

速度基本相同 - 与同时处理整个3d数组的数组函数相比，或者采用某种axis参数的数组函数都是差的。

In [241]: arr.sum(axis=2)
Out[241]: 
array([[ 6, 22, 38],
       [54, 70, 86]])

numpy作为数组的类是np.ndarray。据推测，nditer就是这样命名的。 nditer被编写为一种整合c级代码可以在数组上迭代的各种方法，特别是几个可广播的方法。 np.nditer函数可以访问c级别的迭代器。但由于实际迭代仍在Python代码中完成，因此速度优势很小甚至没有。

Answer 2

如果您只使用for循环，则迭代将超过第一维，如果数组只有一个维度，那么这将是元素，如果它是2D，则它将是行，如果它＆＃39;它将在飞机上迭代3D，......

然而nditer是ND（代表n维）迭代器。它将迭代数组中的每个元素。它（大约！）相当于for item in your_array.ravel()（迭代在数组的平坦＆＃34;视图＆＃34;）。对于1D数组，它迭代元素，对于2D数组，它首先在第一行中的元素上迭代，然后在第二行上迭代，依此类推。

请注意nditer比这更强大，它可以一次迭代多个数组，你可以缓冲迭代和许多其他东西。

然而，对于NumPy，您通常不想要使用for - 循环或np.nditer。很多＆＃34;矢量化＆＃34; <手动迭代（在大多数情况下）不必要的操作。

NumPy多维数组迭代如何工作？（有和没有nditer）

2 个答案:

NumPy多维数组迭代如何工作？ （有和没有nditer）

2 个答案:

NumPy多维数组迭代如何工作？（有和没有nditer）