用索引迭代numpy（numpy相当于python枚举）答案

【问题标题】：Iterate over numpy with index (numpy equivalent of python enumerate)用索引迭代numpy（numpy相当于python枚举）
【发布时间】：2017-06-24 06:28:24
【问题描述】：

我正在尝试创建一个函数来计算多维 numpy 数组中元素之间的格子距离（水平和垂直步数）。为此，我需要在遍历数组时从每个元素的索引中检索实际数字。我想将这些值存储为可以通过距离公式计算的数字。

对于示例数组 A

 A=np.array([[1,2,3],[4,5,6],[7,8,9]])

我想创建一个循环遍历每个元素，对于第一个元素 1，它将检索 a=0, b=0，因为 1 在 A[0,0]，然后 a=0, b= 1 代表元素 2，因为它位于 A[0,1]，依此类推...

我设想的输出是数组中每个元素的两个数字（对应于该元素的两个索引值）。所以在上面的例子中，我分配的两个值是 a 和 b。我只需要在循环中检索这两个数字（而不是单独保存为另一个数据对象）。

任何关于如何做到这一点的想法将不胜感激！

【问题讨论】：

由于您对问题的描述有些难以理解，您能否为您的示例提供一个示例预期输出？到目前为止听起来你想要一个所有索引对的列表/数组。
感谢您提出的澄清建议！如果还不清楚，请告诉我。
列表/数组很好，但更简单的是，我只需要在每次迭代中检索两个索引值，因为我会在检索它们后立即将它们输入另一个公式。
相关：一维情况见How to iterate 1d NumPy array with index and value

标签： python numpy

【解决方案1】：

随着我越来越熟悉 numpy 和 pandas 生态系统，我越来越清楚迭代通常是完全错误，因为它比较慢，并且使用矢量化最好尽可能操作。虽然一开始风格并不那么明显/Pythonic，但我（有趣地）通过矢量化操作获得了可笑的加速；在换出诸如某些行迭代之类的表单的情况下超过 1000 倍 .apply(lambda)

@MSeifert's answer 更好地提供了这一点，并且在任何实际大小的数据集上都将显着提高性能

原答案

您可以使用 numpy.ndenumerate 遍历数组中的值，以获取数组中值的索引。

使用上面的文档：

A = np.array([[1,2,3],[4,5,6],[7,8,9]])
for index, values in np.ndenumerate(A):
    print(index, values)  # operate here

【讨论】：

【解决方案2】：

您可以使用np.ndenumerate 来完成此操作，但通常您不需要遍历数组。

您可以简单地创建一个网格网格（或开放网格）来一次获取所有索引，然后您可以更快地处理它们（矢量化）。

例如

>>> x, y = np.mgrid[slice(A.shape[0]), slice(A.shape[1])]
>>> x
array([[0, 0, 0],
       [1, 1, 1],
       [2, 2, 2]])
>>> y
array([[0, 1, 2],
       [0, 1, 2],
       [0, 1, 2]])

这些可以像任何其他数组一样处理。因此，如果需要索引的函数可以矢量化，则不应执行手动循环！

例如计算每个点到点的点阵距离，比如(2, 3)：

>>> abs(x - 2) + abs(y - 3)
array([[5, 4, 3],
       [4, 3, 2],
       [3, 2, 1]])

对于距离，ogrid 会更快。只需将np.mgrid 替换为np.ogrid：

>>> x, y = np.ogrid[slice(A.shape[0]), slice(A.shape[1])]
>>> np.hypot(x - 2, y - 3)  # cartesian distance this time! :-)
array([[ 3.60555128,  2.82842712,  2.23606798],
       [ 3.16227766,  2.23606798,  1.41421356],
       [ 3.        ,  2.        ,  1.        ]])

【讨论】：

【解决方案3】：

另一种可能的解决方案：

import numpy as np

A=np.array([[1,2,3],[4,5,6],[7,8,9]])
for _, val in np.ndenumerate(A):
    ind = np.argwhere(A==val)
    print val, ind

在这种情况下，如果值不是在数组中出现一次，您将获得索引数组。

【讨论】：