大城县网站建设,网站生成静态,2023全国企业公司大黄页,wordpress 文章外链前言
嗨喽~大家好呀#xff0c;这里是魔王呐 ❤ ~! 数组迭代
迭代意味着逐一遍历元素#xff0c;当我们在 numpy 中处理多维数组时#xff0c;
可以使用 python 的基本 for 循环来完成此操作。
如果我们对 1-D 数组进行迭代#xff0c;它将逐一遍历每个元素。
实例
迭…前言
嗨喽~大家好呀这里是魔王呐 ❤ ~! 数组迭代
迭代意味着逐一遍历元素当我们在 numpy 中处理多维数组时
可以使用 python 的基本 for 循环来完成此操作。
如果我们对 1-D 数组进行迭代它将逐一遍历每个元素。
实例
迭代以下一维数组的元素
import numpy as nparr np.array([1, 2, 3])for x in arr:print(x)运行实例 更多python资料、源码、教程: 点击此处跳转文末名片获取 迭代 2-D 数组
在 2-D 数组中它将遍历所有行。
实例
迭代以下二维数组的元素
import numpy as nparr np.array([[1, 2, 3], [4, 5, 6]])for x in arr:print(x)运行实例 如果我们迭代一个 n-D 数组它将逐一遍历第 n-1 维。
如需返回实际值、标量我们必须迭代每个维中的数组。
实例
迭代 2-D 数组的每个标量元素
import numpy as nparr np.array([[1, 2, 3], [4, 5, 6]])for x in arr:for y in x:print(y)运行实例 迭代 3-D 数组
在 3-D 数组中它将遍历所有 2-D 数组。
实例
迭代以下 3-D 数组的元素
import numpy as nparr np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])for x in arr:print(x)运行实例 要返回实际值、标量我们必须迭代每个维中的数组。 更多python资料、源码、教程: 点击此处跳转文末名片获取 实例
迭代到标量
import numpy as nparr np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])for x in arr:for y in x:for z in y:print(z)运行实例 使用 nditer() 迭代数组
函数 nditer() 是一个辅助函数从非常基本的迭代到非常高级的迭代都可以使用。它解决了我们在迭代中面临的一些基本问题让我们通过例子进行介绍。
迭代每个标量元素
在基本的 for 循环中迭代遍历数组的每个标量我们需要使用 n 个 for 循环对于具有高维数的数组可能很难编写。
实例
遍历以下 3-D 数组
import numpy as nparr np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])for x in np.nditer(arr):print(x)运行实例 迭代不同数据类型的数组
我们可以使用 op_dtypes 参数并传递期望的数据类型以在迭代时更改元素的数据类型。
NumPy 不会就地更改元素的数据类型元素位于数组中
因此它需要一些其他空间来执行此操作该额外空间称为 buffer
为了在 nditer() 中启用它我们传参 flags[‘buffered’]。
实例
以字符串形式遍历数组
import numpy as nparr np.array([1, 2, 3])for x in np.nditer(arr, flags[buffered], op_dtypes[S]):print(x)运行实例 以不同的步长迭代
我们可以使用过滤然后进行迭代。
实例
每遍历 2D 数组的一个标量元素跳过 1 个元素
import numpy as nparr np.array([[1, 2, 3, 4], [5, 6, 7, 8]])for x in np.nditer(arr[:, ::2]):print(x)运行实例 更多python资料、源码、教程: 点击此处跳转文末名片获取 使用 ndenumerate() 进行枚举迭代
枚举是指逐一提及事物的序号。
有时我们在迭代时需要元素的相应索引对于这些用例可以使用 ndenumerate() 方法。
实例
枚举以下 1D 数组元素
import numpy as nparr np.array([1, 2, 3])for idx, x in np.ndenumerate(arr):print(idx, x)运行实例 实例
枚举以下 2D 数组元素
import numpy as nparr np.array([[1, 2, 3, 4], [5, 6, 7, 8]])for idx, x in np.ndenumerate(arr):print(idx, x)运行实例 连接 NumPy 数组
连接意味着将两个或多个数组的内容放在单个数组中。
在 SQL 中我们基于键来连接表而在 NumPy 中我们按轴连接数组。
我们传递了一系列要与轴一起连接到 concatenate() 函数的数组。如果未显式传递轴则将其视为 0。
实例
连接两个数组
import numpy as nparr1 np.array([1, 2, 3])arr2 np.array([4, 5, 6])arr np.concatenate((arr1, arr2))print(arr)运行实例 实例
沿着行 (axis1) 连接两个 2-D 数组
import numpy as nparr1 np.array([[1, 2], [3, 4]])arr2 np.array([[5, 6], [7, 8]])arr np.concatenate((arr1, arr2), axis1)print(arr)运行实例 使用堆栈函数连接数组
堆栈与级联相同唯一的不同是堆栈是沿着新轴完成的。
我们可以沿着第二个轴连接两个一维数组这将导致它们彼此重叠即堆叠stacking。
我们传递了一系列要与轴一起连接到 concatenate() 方法的数组。如果未显式传递轴则将其视为 0。
实例
import numpy as nparr1 np.array([1, 2, 3])arr2 np.array([4, 5, 6])arr np.stack((arr1, arr2), axis1)print(arr)运行实例 沿行堆叠
NumPy 提供了一个辅助函数hstack() 沿行堆叠。
实例
import numpy as nparr1 np.array([1, 2, 3])arr2 np.array([4, 5, 6])arr np.hstack((arr1, arr2))print(arr)运行实例 沿列堆叠
NumPy 提供了一个辅助函数vstack() 沿列堆叠。
实例
import numpy as nparr1 np.array([1, 2, 3])arr2 np.array([4, 5, 6])arr np.vstack((arr1, arr2))print(arr)运行实例 更多python资料、源码、教程: 点击此处跳转文末名片获取 沿高度堆叠深度
NumPy 提供了一个辅助函数dstack() 沿高度堆叠该高度与深度相同。
实例
import numpy as nparr1 np.array([1, 2, 3])arr2 np.array([4, 5, 6])arr np.dstack((arr1, arr2))print(arr)运行实例 尾语
要成功先发疯下定决心往前冲
学习是需要长期坚持的一步一个脚印地走向未来
未来的你一定会感谢今天学习的你。
—— 心灵鸡汤
本文章到这里就结束啦~感兴趣的小伙伴可以复制代码去试试哦 问题解答 · 源码获取 · 技术交流 · 抱团学习请联系
