numpy中数组的遍历技巧

最新推荐文章于 2024-01-02 21:21:58 发布

生信修炼手册

最新推荐文章于 2024-01-02 21:21:58 发布

阅读量1.8w

点赞数 23

本文链接：https://blog.csdn.net/weixin_43569478/article/details/108079873

版权

欢迎关注”生信修炼手册”!

在numpy中，当需要循环处理数组中的元素时，能用内置通函数实现的肯定首选通函数，只有当没有可用的通函数的情况下，再来手动进行遍历，遍历的方法有以下几种

1. 内置for循环

最基础的遍历方法还是for循环，用法如下

# 一维数组，和普通的python序列对象一致
>>> a
array([0, 1, 2, 3, 4])
>>> for i in a:
... print(i)
...
0
1
2
3
4
# 二维数组，每次遍历一行，以列表的形式返回一行的元素
>>> a = np.arange(12).reshape(3, 4)
>>> a
array([[ 0, 1, 2, 3],
       [ 4, 5, 6, 7],
       [ 8, 9, 10, 11]])

>>> for i in a:
... print(i)
...
[0 1 2 3]
[4 5 6 7]
[ 8 9 10 11]

for循环中得到的是对应元素的副本，所以通过上述方式只能访问，不能修改原始数组中的值。

2. flat迭代器

数组的flat属性返回的是数组的迭代器，通过这个迭代器，可以一层for循环就搞定多维数组的访问，用法如下

>>> a
array([[ 0, 1, 2, 3],
       [ 4, 5, 6, 7],
       [ 8, 9, 10, 11]])
>>> for i in a.flat:
...     print(i)
...
0
1
2
3
4
5
6
7
8
9
10
11

3. nditer迭代器

numpy中的nditer函数可以返回数组的迭代器，该迭代器的功能比flat更加强大和灵活，在遍历多维数组时，通过order参数可以指定遍历的顺序，C表示C语言的风格，优先处理行，F表示Fortran语言的风格，优先处理列，用法如下

>>> a
array([[ 0, 1, 2, 3],
       [ 4, 5, 6, 7],
       [ 8, 9, 10, 11]])
# 默认按行处理
>>> for i in np.nditer(a, order='C'):
... print(i)
...
0
1
2
3
4
5
6
7
8
9
10
11
# 按列处理
>>> for i in np.nditer(a, order='F'):
... print(i)
...
0
4
8
1
5
9
2
6
10
3
7
11

普通的遍历只能访问元素，而nditer可以允许我们在遍历的同时修改原始数组中的元素，只需要op_flags参数即可，用法如下

>>> a
array([[ 0, 1, 2, 3],
       [ 4, 5, 6, 7],
       [ 8, 9, 10, 11]])
>>> for i in np.nditer(a, op_flags = ['readwrite']):
... i *= 2
...
>>> a
array([[ 0, 2, 4, 6],
       [ 8, 10, 12, 14],
       [16, 18, 20, 22]])

>>> for i in np.nditer(a, op_flags = ['writeonly']):
... i += 2
...
>>> a
array([[ 2, 4, 6, 8],
       [10, 12, 14, 16],
       [18, 20, 22, 24]])

nditer更强大的功能在于广播遍历，通过内置的广播机制，可以实现两个数组的组合，用法如下

>>> a = np.arange(12).reshape(3, 4)
>>> a
array([[ 0, 1, 2, 3],
       [ 4, 5, 6, 7],
       [ 8, 9, 10, 11]])
>>> b = np.arange(4)
>>> b
array([0, 1, 2, 3])
>>> np.nditer([a, b])
<numpy.nditer object at 0x7f9db6b11170>
>>> for x,y in np.nditer([a,b]):
... print(x,y)
...
0 0
1 1
2 2
3 3
4 0
5 1
6 2
7 3
8 0
9 1
10 2
11 3
```

```
>>> b = np.arange(3).reshape(-1, 1)
>>> b
array([[0],
       [1],
       [2]])
>>> a
array([[ 0, 1, 2, 3],
       [ 4, 5, 6, 7],
       [ 8, 9, 10, 11]])
>>> for x,y in np.nditer([a,b]):
... print(x,y)
...
0 0
1 0
2 0
3 0
4 1
5 1
6 1
7 1
8 2
9 2
10 2
11 2

简单的元素访问直接使用for循环迭代数组即可，注意二维数组和一维数组的区别，nditer的3个特点对应不同的使用场景，当遇到对应的情况时，可以选择nditer来进行遍历。

·end·

—如果喜欢，快分享给你的朋友们吧—

原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！

本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。