numpy中函数nditer的作用

numpy中nditer函数用法

转载自：点击打开链接

迭代对象nditer提供了一种灵活访问一个或者多个数组的方式。

单个数组的迭代（Single Array Iteration）

迭代器最基本的任务的可以完成对数组元素的访问，迭代器接口可以一个接一个地提供的每一个元素。

例如：

[python] view plain copy

1. a = np.arange(6).reshape(2, 3)  
2. for x in np.nditer(a):  
3.     print x, " "  
4. 0  1  2  3  4  5    

对于这种迭代方式需要注意的是：所选择的顺序是和数组内存布局一致的，而不是使用标准C或者Fortran顺序。这是为了使用效率而设计的，这反映了默认情况下只需访问每个元素，而无需考虑其特定顺序。我们可以通过迭代上述数组的转置来看到这一点，并与以C顺序访问数组转置的copy的方式做对比，有：

[python] view plain copy

1. a = np.arange(6).reshape(2, 3)  
2. for x in np.nditer(a.T):  
3.     print x,  
4. print " "  
5. for x in np.nditer(a.T.copy(order = "C")):  
6.     print x,   
7.   
8. 0 1 2 3 4 5   
9.   
10. 0 3 1 4 2 5  

从上述例子可以看出，a和a.T的遍历顺序是一样的，也就是他们在内存中的存储顺序也是一样的，但是a.T.copy(order = "C")的遍历结果是不同的，那是因为它和前两种的存储方式是不一样的。默认是按行访问。

控制迭代顺序（Controlling Iteration Order）

有时候，无论元素在内存中的分布如何，重要的是要以特定的顺序来访问数组。所以nditer提供了一种顺序参数（order parameter ）的方法来实现这一要求。默认情况下是order = "K"， 就是上述的访问方式。另外有：order = "C"和order = "F"。不妨理解为：C是按行访问，F是按列访问。

[python] view plain copy

1. a = np.arange(6).reshape(2, 3)  
2. for x in np.nditer(a, order = "F"):  
3.     print x,  
4. print " "  
5. for x in np.nditer(a.T, order = "C"):  
6.     print x,   
7.   
8. 0 3 1 4 2 5   
9.   
10. 0 3 1 4 2 5  

修改数组值（Modify Array Values）
默认情况下，nditer将输入数组视为只读对象。要修改数组元素，必须指定读写（ read-write）或只写（write-only）模式。这是由每个操作数标志控制的。一般而言，Python中的赋值只需更改本地或全局变量字典中的引用，而不是修改现有变量。

[python] view plain copy

1. a = np.arange(6).reshape(2, 3)  
2. print a  
3.   
4. for x in np.nditer(a, op_flags = ["readwrite"]):  
5.     x[...] = 2*x  
6.   
7. print a  
8.   
9. [[0 1 2]  
10.  [3 4 5]]  
11. [[ 0  2  4]  
12.  [ 6  8 10]]