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。 x和z都是()形状的数组。

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

在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？

在迭代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]