这篇文章主要讲解了“Numpy元素的遍历方法是什么”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Numpy元素的遍历方法是什么”吧！
一、单个数组的遍历：numpy.nditer 的使用
迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。一般情况下的使用方式如下：
for x in np.nditer(data_in, order='')，可以遍历nparray中的所有数据，举例如下：
a = np.arange(12).reshape(3,4) for x in np.nditer(a): print(x,end=',') # 0,1,2,3,4,5,6,7,8,9,10,11,
格式：
np.nditer(data_in, order='',op_flags =[],flags=[])
参数解释如下：
| 参数 | 解释 |
|---|---|
| data_in | nparray 类型的数组 |
| order | 控制遍历的顺序，可选值为：F 列优先/C 行优先, 默认为C |
| op_flags | 控制遍历出元素的读写权限，常用：<br>op_flags=['read-only']只读；<br> op_flags=['readwrite']可读可写 |
| flags | 该参数通常使用flags = ['external_loop']，可以将二维数组变化为一维数组输出，详细参考下面例子 |
1.1 参数：order
通过参数
order='F'or
order='C'可以通过改变遍历的顺序；举例如下：
for x in np.nditer(a, order='F'): # Fortran order，即是列序优先；
for x in np.nditer(a.T, order='C'): # C order，即是行序优先；
for x in np.nditer(a,order='F'): print(x,end=',') # 0,4,8,1,5,9,2,6,10,3,7,11, for x in np.nditer(a,order='C'): print(x,end=',') # 0,1,2,3,4,5,6,7,8,9,10,11,
1.2 参数：op_flags
默认情况下，nditer 对nparray进行遍历时，遍历出的元素为只读对象（read-only），若我们需要修改其中的值，需要设置：
op_flags=['readwrite']
a = np.arange(12).reshape(3,4) for x in np.nditer(a,op_flags=['readwrite']): x[...] = 2*x print(a) # [[ 0 2 4 6] # [ 8 10 12 14] # [16 18 20 22]]
1.3 参数：flags
尝试用的参数设置为：
flags = ['external_loop']，其余的设置不常用，就不列举了；当设置
flags = ['external_loop']后，可以实现对二维数组的行或者列的输出，在今后的写代码过程中，给大家带来便利；举例如下：
| 参数 | 解释 |
|---|---|
| c_index | 可以跟踪 C 顺序的索引, 用来返回索引值 |
| f_index | 可以跟踪 Fortran 顺序的索引，用来返回索引值 |
| external_loop | 给出的值是具有多个值的一维数组，而不是零维数组 |
举例：
# 返回索引值举例 a = np.arange(12).reshape(3,4) for x in np.nditer(a,flags=['f_index'],order='F'): print(x,end=',') # 0,4,8,1,5,9,2,6,10,3,7,11, for x in np.nditer(a,flags=['f_index'],order='C'): print(x,end=',') # 0,1,2,3,4,5,6,7,8,9,10,11, # 返回列方向的多个一维数组 a = np.arange(12).reshape(3,4) for x in np.nditer(a,flags=['external_loop'],order='F'): print(x) # [0 4 8] # [1 5 9] # [ 2 6 10] # [ 3 7 11]
二、多个数组的遍历
2.1 多个数组Shape相同时
当数组Shape相同时，可以直接使用np.nditer(), 举例如下：
a = np.arange(12).reshape(3,4) b = np.ones(12).reshape(3,4) for i,j in np.nditer([a,b]): print(i,"-->",int(j)) # 输出如下： # 0 --> 1 # 1 --> 1 # 2 --> 1 # 3 --> 1 # 4 --> 1 # 5 --> 1 # 6 --> 1 # 7 --> 1 # 8 --> 1 # 9 --> 1 # 10 --> 1 # 11 --> 1
2.2 多个数组Shape不同时
当数组Shape不同时，需要满足广播规则，才可以使用广播遍历，广播规则请参考：请添加链接描述 举例如下：
a = np.arange(12).reshape(3,4) b = np.arange(4) for i,j in np.nditer([a,b]): print(i,"-->",j) # 输出如下： # 0 --> 0 # 1 --> 1 # 2 --> 2 # 3 --> 3 # 4 --> 0 # 5 --> 1 # 6 --> 2 # 7 --> 3 # 8 --> 0 # 9 --> 1 # 10 --> 2 # 11 --> 3