本文简要介绍 python 语言中 numpy.nditer
的用法。
用法:
class numpy.nditer(op, flags=None, op_flags=None, op_dtypes=None, order='K', casting='safe', op_axes=None, itershape=None, buffersize=0)
高效的多维迭代器对象来迭代数组。要开始使用此对象,请参阅数组迭代介绍指南。
- op: ndarray 或 数组 序列
要迭代的数组。
- flags: str 序列,可选
用于控制迭代器行为的标志。
buffered
在需要时启用缓冲。c_index
导致跟踪 C-order 索引。f_index
导致跟踪 Fortran-order 索引。multi_index
导致跟踪多索引或每个迭代维度一个索引的元组。common_dtype
将所有操作数转换为通用数据类型,并根据需要进行复制或缓冲。copy_if_overlap
使迭代器确定读取操作数是否与写入操作数重叠,并根据需要制作临时副本以避免重叠。在某些情况下可能会出现误报(不必要的复制)。delay_bufalloc
延迟分配缓冲区,直到调用 reset()。允许在将allocate
操作数的值复制到缓冲区之前对其进行初始化。external_loop
导致给定的values
是具有多个值的一维数组,而不是零维数组。当同时使用
buffered
和external_loop
时,grow_inner
允许value
数组大小大于缓冲区大小。ranged
允许将迭代器限制为 iterindex 值的 sub-range。refs_ok
启用引用类型的迭代,例如对象数组。reduce_ok
启用广播的readwrite
操作数的迭代,也称为归约操作数。zerosize_ok
允许itersize
为零。
- op_flags: str 列表列表,可选
这是每个操作数的标志列表。至少,必须指定
readonly
、readwrite
或writeonly
之一。readonly
表示只读取操作数。readwrite
表示将读取和写入操作数。writeonly
表示只写入操作数。no_broadcast
阻止广播操作数。contig
强制操作数数据是连续的。aligned
强制操作数数据对齐。nbo
强制操作数数据采用本机字节顺序。copy
如果需要,允许临时只读副本。如果需要,
updateifcopy
允许临时读写副本。allocate
如果在op
参数中为 None,则导致分配数组。no_subtype
防止allocate
操作数使用子类型。arraymask
表示此操作数是在写入设置了‘writemasked’ 标志的操作数时用于选择元素的掩码。迭代器不强制执行此操作,但是当从缓冲区写回数组时,它仅复制此掩码指示的那些元素。writemasked
表示只有选择的arraymask
操作数为 True 的元素才会被写入。overlap_assume_elementwise
可用于标记仅以迭代器顺序访问的操作数,以便在存在copy_if_overlap
时允许不那么保守的复制。
- op_dtypes: dtype 或 dtype(s) 的元组,可选
操作数所需的数据类型。如果启用了复制或缓冲,则数据将转换为/从其原始类型转换。
- order: {‘C’、‘F’、‘A’、‘K’},可选
控制迭代顺序。 “C”表示 C 顺序,“F”表示 Fortran 顺序,如果所有数组都是 Fortran 连续的,则“A”表示“F”顺序,否则为“C”顺序,“K”表示与数组元素出现的顺序接近尽可能在内存中。这也会影响
allocate
操作数的元素内存顺序,因为它们被分配为与迭代顺序兼容。默认为“K”。- casting: {‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’},可选
控制在进行复制或缓冲时可能发生的数据类型转换。不建议将此设置为‘unsafe’,因为它会对累积产生不利影响。
‘no’ 表示根本不应该转换数据类型。
‘equiv’ 表示只允许更改字节顺序。
‘safe’ 意味着只允许可以保留值的强制转换。
‘same_kind’ 表示只允许安全类型转换或类型中的类型转换,如 float64 到 float32。
‘unsafe’ 表示可以进行任何数据转换。
- op_axes: 整数列表列表,可选
如果提供,则为每个操作数的整数列表或无。操作数的轴列表是从迭代器维度到操作数维度的映射。可以为条目放置值 -1,从而将该维度视为
newaxis
。- itershape: 整数元组,可选
迭代器的所需形状。这允许具有由op_axes 映射的维度不对应于不同操作数的维度的
allocate
操作数获得该维度的不等于1 的值。- buffersize: 整数,可选
启用缓冲时,控制临时缓冲区的大小。设置为 0 作为默认值。
参数:
注意:
nditer
取代flatiter
。nditer
背后的迭代器实现也由 NumPy C API 公开。Python 公开提供了两个迭代接口,一个遵循 Python 迭代器协议,另一个反映 C 风格的 do-while 模式。在大多数情况下,原生 Python 方法更好,但如果您需要迭代器的坐标或索引,请使用 C 样式模式。
例子:
下面是我们如何使用 Python 迭代器协议编写
iter_add
函数:>>> def iter_add_py(x, y, out=None): ... addop = np.add ... it = np.nditer([x, y, out], [], ... [['readonly'], ['readonly'], ['writeonly','allocate']]) ... with it: ... for (a, b, c) in it: ... addop(a, b, out=c) ... return it.operands[2]
这是相同的函数,但遵循 C 风格模式:
>>> def iter_add(x, y, out=None): ... addop = np.add ... it = np.nditer([x, y, out], [], ... [['readonly'], ['readonly'], ['writeonly','allocate']]) ... with it: ... while not it.finished: ... addop(it[0], it[1], out=it[2]) ... it.iternext() ... return it.operands[2]
这是一个示例外部产品函数:
>>> def outer_it(x, y, out=None): ... mulop = np.multiply ... it = np.nditer([x, y, out], ['external_loop'], ... [['readonly'], ['readonly'], ['writeonly', 'allocate']], ... op_axes=[list(range(x.ndim)) + [-1] * y.ndim, ... [-1] * x.ndim + list(range(y.ndim)), ... None]) ... with it: ... for (a, b, c) in it: ... mulop(a, b, out=c) ... return it.operands[2]
>>> a = np.arange(2)+1 >>> b = np.arange(3)+1 >>> outer_it(a,b) array([[1, 2, 3], [2, 4, 6]])
这是一个像“lambda” ufunc 一样运行的示例函数:
>>> def luf(lamdaexpr, *args, **kwargs): ... '''luf(lambdaexpr, op1, ..., opn, out=None, order='K', casting='safe', buffersize=0)''' ... nargs = len(args) ... op = (kwargs.get('out',None),) + args ... it = np.nditer(op, ['buffered','external_loop'], ... [['writeonly','allocate','no_broadcast']] + ... [['readonly','nbo','aligned']]*nargs, ... order=kwargs.get('order','K'), ... casting=kwargs.get('casting','safe'), ... buffersize=kwargs.get('buffersize',0)) ... while not it.finished: ... it[0] = lamdaexpr(*it[1:]) ... it.iternext() ... return it.operands[0]
>>> a = np.arange(5) >>> b = np.ones(5) >>> luf(lambda i,j:i*i + j/2, a, b) array([ 0.5, 1.5, 4.5, 9.5, 16.5])
如果操作数标志“writeonly”或者“readwrite”被使用的操作数可能是原始数据的视图WRITEBACKIFCOPY旗帜。在这种情况下
nditer
必须用作上下文管理器或nditer.close
在使用结果之前必须调用方法。临时数据将被写回原始数据,当__exit__
函数被调用但不是在之前:>>> a = np.arange(6, dtype='i4')[::-2] >>> with np.nditer(a, [], ... [['writeonly', 'updateifcopy']], ... casting='unsafe', ... op_dtypes=[np.dtype('f4')]) as i: ... x = i.operands[0] ... x[:] = [-1, -2, -3] ... # a still unchanged here >>> a, x (array([-1, -2, -3], dtype=int32), array([-1., -2., -3.], dtype=float32))
需要注意的是,一旦退出迭代器,悬空引用(如示例中的 x)可能会也可能不会与原始数据 a 共享数据。如果回写语义处于活动状态,即如果 x.base.flags.writebackifcopy 为 True,则退出迭代器将切断 x 和 a 之间的连接,写入 x 将不再写入 a。如果回写语义未激活,则 x.data 仍将指向 a.data 的某些部分,并且写入其中一个部分将影响另一个部分。
上下文管理和
close
方法出现在 1.15.0 版本中。- dtypes: dtype 的元组
value
中提供的值的数据类型。如果启用了缓冲,这可能与操作数数据类型不同。仅在迭代器关闭之前有效。- finished: bool
操作数上的迭代是否完成。
- has_delayed_bufalloc: bool
如果为 True,则使用
delay_bufalloc
标志创建迭代器,并且尚未对其调用 reset() 函数。- has_index: bool
如果为 True,则使用
c_index
或f_index
标志创建迭代器,并且可以使用属性index
来检索它。- has_multi_index: bool
如果为 True,则使用
multi_index
标志创建迭代器,并且可以使用属性multi_index
来检索它。- index:
当使用
c_index
或f_index
标志时,此属性提供对索引的访问。如果访问并且has_index
为 False,则引发 ValueError。- iterationneedsapi: bool
迭代是否需要访问 Python API,例如,如果操作数之一是对象数组。
- iterindex: int
与迭代顺序匹配的索引。
- itersize: int
迭代器的大小。
- itviews:
operands
在内存中的结构化视图,匹配重新排序和优化的迭代器访问模式。仅在迭代器关闭之前有效。- multi_index:
当使用
multi_index
标志时,此属性提供对索引的访问。如果访问已访问且has_multi_index
为 False,则引发 ValueError。- ndim: int
迭代器的维度。
- nop: int
迭代器操作数的数量。
operands
操作数的元组操作数[切片]
- shape: 整数元组
shape tuple,迭代器的形状。
- value:
当前迭代中
operands
的值。通常,这是一个数组标量的元组,但如果使用标志external_loop
,它是一个一维数组的元组。
属性:
相关用法
- Python numpy nditer.copy用法及代码示例
- Python numpy ndindex用法及代码示例
- Python numpy ndarray.astype用法及代码示例
- Python numpy ndarray.flat用法及代码示例
- Python numpy ndarray.setflags用法及代码示例
- Python numpy ndarray.setfield用法及代码示例
- Python numpy ndarray.sort用法及代码示例
- Python numpy ndarray.real用法及代码示例
- Python numpy ndarray.strides用法及代码示例
- Python numpy ndarray.itemset用法及代码示例
- Python numpy ndarray.__class_getitem__用法及代码示例
- Python numpy ndarray.partition用法及代码示例
- Python numpy ndarray.transpose用法及代码示例
- Python numpy ndarray.flatten用法及代码示例
- Python numpy ndarray.resize用法及代码示例
- Python numpy ndarray.dtype用法及代码示例
- Python numpy ndarray.imag用法及代码示例
- Python numpy ndarray.dot用法及代码示例
- Python numpy ndarray.size用法及代码示例
- Python numpy ndarray.fill用法及代码示例
- Python numpy ndarray.item用法及代码示例
- Python numpy ndarray.nbytes用法及代码示例
- Python numpy ndarray.tobytes用法及代码示例
- Python numpy ndarray.copy用法及代码示例
- Python numpy ndarray.ctypes用法及代码示例
注:本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.nditer。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。