我正在处理来自 netcdf 文件的数据，以及多维变量，读入 numpy 数组。我需要扫描所有维度的所有值（numpy 中的轴）并更改一些值。但是，我事先不知道任何给定变量的维度。在运行时，我当然可以获取 numpy 数组的 ndim 和形状。 如何在不事先知道维度数或形状的情况下对所有值进行循环编程？如果我知道一个变量正好是二维的，我会这样做
shp=myarray.shape
for i in range(shp[0]):
for j in range(shp[1]):
do_something(myarray[i][j])
【问题讨论】：
您应该查看ravel、nditer 和ndindex。
# For the simple case
for value in np.nditer(a):
do_something_with(value)
# This is similar to above
for value in a.ravel():
do_something_with(value)
# Or if you need the index
for idx in np.ndindex(a.shape):
a[idx] = do_something_with(a[idx])
另外，numpy 数组的索引是 a[i, j] 而不是 a[i][j]。在python中a[i, j]相当于用一个元组索引，即a[(i, j)]。
【讨论】：
您可以使用 numpy 数组的 flat 属性，它返回所有值的生成器（无论形状如何）。
例如：
>>> A = np.array([[1,2,3],[4,5,6]])
>>> for x in A.flat:
... print x
1
2
3
4
5
6
您还可以按照返回的顺序设置值，例如像这样：
>>> A.flat[:] = [x / 2 if x % 2 == 0 else x for x in A.flat]
>>> A
array([[1, 1, 3],
[2, 5, 3]])
我不确定flat 返回元素的顺序是否有任何保证（因为它会在内存中迭代元素，因此根据您的数组约定，您可能可能 让它始终保持不变，除非你真的是故意这样做的，但要小心......）
这适用于任何维度。
** -- 编辑 -- **
为了澄清我所说的“无法保证顺序”的意思，flat 返回的元素顺序没有改变，但我认为指望row1 = A.flat[:N] 这样的东西是不明智的，尽管它会起作用大多数时候。
【讨论】：
这可能是最简单的递归：
a = numpy.array(range(30)).reshape(5, 3, 2)
def recursive_do_something(array):
if len(array.shape) == 1:
for obj in array:
do_something(obj)
else:
for subarray in array:
recursive_do_something(subarray)
recursive_do_something(a)
如果你想要索引：
a = numpy.array(range(30)).reshape(5, 3, 2)
def do_something(x, indices):
print(indices, x)
def recursive_do_something(array, indices=None):
indices = indices or []
if len(array.shape) == 1:
for obj in array:
do_something(obj, indices)
else:
for i, subarray in enumerate(array):
recursive_do_something(subarray, indices + [i])
recursive_do_something(a)
【讨论】：
ndenumerate。
查看 Python 的 itertools 模块。
这将允许您按照以下方式做一些事情
for lengths in product(shp[0], shp[1], ...):
do_something(myarray[lengths[0]][lengths[1]]
【讨论】：