Python numpy lib.Arrayterator用法及代码示例

本文简要介绍 python 语言中 numpy.lib.Arrayterator 的用法。

用法:

class  numpy.lib.Arrayterator(var, buf_size=None)

大数组的缓冲迭代器。

Arrayterator创建一个缓冲迭代器，用于读取小的连续块中的大数组。该类对于存储在文件系统中的对象很有用。它允许对对象进行迭代没有读取内存中的所有内容；相反，小块被读取和迭代。

Arrayterator 可与任何支持多维切片的对象一起使用。这包括 NumPy 数组，还包括来自 Scientific.IO.NetCDF 或 pynetcdf 的变量。

参数：

var： array_like

要迭代的对象。

buf_size： 整数，可选

缓冲区大小。如果提供了buf_size，则将读入内存的最大数据量为buf_size 个元素。默认为无，它将尽可能多的元素读入内存。

注意：

该算法的工作原理是首先找到一个“running dimension”，沿着该“running dimension” 将提取块。给定一个维度数组(d1, d2, ..., dn)，例如如果buf_size小于d1，将使用第一个维度。另一方面，如果，d1 < buf_size < d1*d2将使用第二个维度，依此类推。沿着这个维度提取块，当返回最后一个块时，该过程从下一个维度继续，直到所有元素都被读取。

例子：

>>> a = np.arange(3 * 4 * 5 * 6).reshape(3, 4, 5, 6)
>>> a_itor = np.lib.Arrayterator(a, 2)
>>> a_itor.shape
(3, 4, 5, 6)

现在我们可以迭代a_itor，它将返回大小为 2 的数组。自从buf_size小于任何维度，第一个维度将首先迭代：

>>> for subarr in a_itor:
...     if not subarr.all():
...         print(subarr, subarr.shape) 
>>> # [[[[0 1]]]] (1, 1, 1, 2)

属性：

var：

buf_size：

start：

stop：

step：

shape

要迭代的数组的形状。

numpy.lib.Arrayterator.flat

Arrayterator 对象的一维平面迭代器。