Python中np.nditer的循环迭代器

一、nditer的简介

在numpy模块中有一个非常有用的函数——np.nditer()，用于在多维数组中迭代元素。np.nditer()对象可以访问数组的每个元素，可以指定迭代顺序、迭代方式、以及每次迭代时所访问的块的大小。使用np.nditer()可以大大提高在多维数组上进行迭代时的效率。

二、np.nditer对象的创建与使用

定义一个np.nditer对象格式如下：

import numpy as np

a = np.array([[1,2], [3,4]])

it = np.nditer(a)
for x in it:
    print(x)

结果输出：

1
2
3
4

以上代码中，定义了一个二维数组a，然后使用np.nditer()函数创建了一个可迭代的对象it。通过for循环遍历it迭代器中的每个元素并打印出来。

三、指定迭代顺序

在默认情况下，np.nditer()函数使用“C风格”的迭代顺序。但是，我们也可以使用其他的顺序，比如“F风格”或者“多索引”方式。下面分别通过示例说明这三种迭代方式。

1.“C风格”迭代顺序

“C风格”迭代顺序是指以行为主序，以列为次序对数组进行遍历。示例代码如下：

import numpy as np

a = np.array([[1,2], [3,4]])

it = np.nditer(a, flags=['multi_index'], order='C')
while not it.finished:
    print("%d %s" % (it[0], it.multi_index))
    it.iternext()

其中，order='C'表示按“C风格”进行迭代，flags=['multi_index']则表示迭代的同时输出所迭代元素的下标。结果输出如下：

1 (0, 0)
2 (0, 1)
3 (1, 0)
4 (1, 1)

2.“F风格”迭代顺序

“F风格”迭代顺序是指以列为主序，以行为次序对数组进行遍历。示例代码如下：

import numpy as np

a = np.array([[1,2], [3,4]])

it = np.nditer(a, flags=['multi_index'], order='F')
while not it.finished:
    print("%d %s" % (it[0], it.multi_index))
    it.iternext()

输出结果如下：

1 (0, 0)
3 (1, 0)
2 (0, 1)
4 (1, 1)

3.“多索引”方式迭代

“多索引”方式迭代是指可以同时遍历多个数组。示例代码如下：

import numpy as np

a = np.array([[1,2], [3,4]])
b = np.array([[5,6], [7,8]])

it = np.nditer([a, b], flags=['multi_index'], order='C')
while not it.finished:
    print("%d %s" % (it[0], it.multi_index))
    it.iternext()

输出结果如下：

1 (0, 0)
5 (0, 0)
2 (0, 1)
6 (0, 1)
3 (1, 0)
7 (1, 0)
4 (1, 1)
8 (1, 1)

四、指定块大小

我们可以使用np.nditer()函数的“flags”参数来指定每次迭代时的块大小，从而实现对大型数组的高效迭代。示例代码如下：

import numpy as np

a = np.arange(24).reshape(2,3,4)

# 迭代时每次访问2个元素（2表示块大小）
it = np.nditer(a, flags=['multi_index'], order='C', op_flags=['readwrite'], op_flags=['external_loop'])
with it:
    for x in it:
        print(x, it.multi_index)

输出结果如下：

0 (0, 0, 0)
1 (0, 0, 1)
2 (0, 0, 2)
3 (0, 0, 3)
4 (0, 1, 0)
5 (0, 1, 1)
6 (0, 1, 2)
7 (0, 1, 3)
8 (0, 2, 0)
9 (0, 2, 1)
10 (0, 2, 2)
11 (0, 2, 3)
12 (1, 0, 0)
13 (1, 0, 1)
14 (1, 0, 2)
15 (1, 0, 3)
16 (1, 1, 0)
17 (1, 1, 1)
18 (1, 1, 2)
19 (1, 1, 3)
20 (1, 2, 0)
21 (1, 2, 1)
22 (1, 2, 2)
23 (1, 2, 3)

五、总结

本文介绍了使用np.nditer()函数进行多维数组迭代的方法和使用场景。通过指定不同的迭代顺序、迭代方式，以及设置合适的块大小，可以大大提高在多维数组上进行迭代时的效率。np.nditer()函数在处理多维数组时非常有用，掌握其用法和技巧，可以帮助我们更高效地进行向量化的运算。