python散点图图例 - python画图标题




用nditer浅迭代 (2)

或者重塑你

for i in y.reshape(-1,3):
    print i

双重迭代也起作用:

for x in y:
    for z in x:
        print z

Plain nditer迭代y每个元素( nditer不会给你索引):

for i in np.nditer(y):
    print i   
    # wrong y[i]

您将需要深入研究nditer的标志和文档以遍历其中的两个维度。 当nditer允许访问基础的迭代机制时,通常不需要使用它 - 除非你正在做一些不寻常的事情,或者试图用cython加速代码。

这是一个从nditer对象的迭代获取2个值的例子。 op列表中的每个数组都有一个值。 xz都是()形状的数组。

for x,z in np.nditer([y,y]):
    print x,z

http://docs.scipy.org/doc/numpy/reference/arrays.nditer.html有关于使用nditer的更多信息

这个文档页面有一个使用external_loop的例子,它在子数组中排列数组,而不是单独的。 我可以通过重新排列它的轴来完成与3D y相同的操作:

y3=y.swapaxes(2,0).copy(order='C')
for i in np.nditer(y3,order='F',flags=['external_loop']):
    print i,

[242  14 211] [198   7   0] [235  60  81] [164  64 236]

所以我们可以使用nditer来做这个简单的迭代,但是值得吗?

迭代numpy数组的第一个d轴时 ,我偶然发现了ndindex

for i in np.ndindex(y.shape[:2]):
    print y[i],
# [242  14 211] [198   7   0] [235  60  81] [164  64 236]

ndindex使用nditer 。 生成浅迭代的技巧是使用一个只使用您想要迭代的维度的子数组。

class ndindex(object):
    def __init__(self, *shape):
        ...
        x = as_strided(_nx.zeros(1), shape=shape, strides=_nx.zeros_like(shape))
        self._it = _nx.nditer(x, flags=['multi_index', 'zerosize_ok'], order='C')
    def __next__(self):
        next(self._it)
        return self._it.multi_index

或者剔除ndindex的主要部分,我得到:

xx = np.zeros(y.shape[:2])
it = np.nditer(xx,flags=['multi_index'])                               
while not it.finished:
    print y[it.multi_index],
    it.iternext()
# [242  14 211] [198   7   0] [235  60  81] [164  64 236]

我有这样一个数组:

>>>y = np.random.randint(0, 255, (2,2,3))
>>>array([[[242, 14, 211],
           [198,  7,   0]],

          [[235,  60,  81],
           [164,  64, 236]]])

我必须迭代每个元素元素(不幸的是矢量化不会帮助我在这里...)。 所以我试了一下:

for i, j in np.nditer(y):
print y[i, j],

希望我能得到这样一个输出:

[242, 14, 211], [198, 7, 0], [235, 60, 81], [164, 64, 236] ,但没有运气!

我得到的错误:

Traceback (most recent call last):

  File "<ipython-input-21-a336ef837a8a>", line 1, in <module>
    for i, j in np.nditer(y):    print y[i,j]

TypeError: iteration over a 0-d array

我很确定我正在犯一个非常明显的错误...任何人都可以帮我吗?


看起来你只是需要把它压平。 你可以使用itertools中的chain运算符。

from itertools import chain    


y = np.random.randint(0, 255, (2,2,3)
b = chain.from_iterable(y) # where b is a generator

列表(b)输出

[array([ 51, 119,  84]),
 array([ 50, 110, 193]),
 array([165, 157,  52]),
 array([239, 119,  83])]






iteration