逐列迭代numpy数组答案

【问题标题】：Iterate over numpy array columnwise逐列迭代numpy数组
【发布时间】：2016-02-19 19:24:57
【问题描述】：

np.nditer 自动逐行迭代数组的元素。有没有办法逐列迭代数组的元素？

x = np.array([[1,3],[2,4]])

for i in np.nditer(x):
    print i

# 1
# 3
# 2
# 4

我想要的是：

for i in Columnwise Iteration(x):
    print i
# 1
# 2
# 3
# 4

我最好的选择是在进行迭代之前转置我的数组吗？

【问题讨论】：

“我最好的选择是……转置……吗？”也许您可以解释一下上下文 - 为什么您想遍历所有列？根据答案，转置可能是合理的还是不合理的，并且可能不需要迭代。
@AmiTavory 我需要根据数组中每个单元格的索引将值填充到数组中。解释起来有点复杂，但我想按列而不是按行进行迭代，以匹配 R 中存在的类似函数，其中对矩阵的迭代默认按列进行。

标签： python numpy

【解决方案1】：

为了完整起见，您不必在遍历元素之前转置矩阵。使用np.nditer，您可以指定如何遍历矩阵的顺序。默认值通常是 row-major 或 C-like order。您可以覆盖此行为并选择列主要或 FORTRAN-like 顺序，这是您想要的。使用np.nditer时，只需指定一个附加参数order并将此标志设置为'F'：

In [16]: x = np.array([[1,3],[2,4]])

In [17]: for i in np.nditer(x,order='F'):
   ....:     print i
   ....:     
1
2
3
4

您可以在此处阅读有关如何控制迭代顺序的更多信息：http://docs.scipy.org/doc/numpy-1.10.0/reference/arrays.nditer.html#controlling-iteration-order

【讨论】：

doc 页面对于任何尝试使用 nditer 的人来说都是必须的。但是，如果您想提高速度（与常规数组迭代相比），请一直研究到最后。
@hpaulj 当然:)！

【解决方案2】：

您可以使用形状并对每一列进行切片

>>> [x[:, i] for i in range(x.shape[1])]
[array([1, 2]), array([3, 4])]

【讨论】：

【解决方案3】：

你可以转置它吗？

>>> x = np.array([[1,3],[2,4]])
>>> [y for y in x.T]
[array([1, 2]), array([3, 4])]

或者不太优雅：

>>> [np.array([x[j,i] for j in range(x.shape[0])]) for i in range(x.shape[1])]
[array([1, 2]), array([3, 4])]

【讨论】：

没关系。它发生了。我要抹去我的cmets。

【解决方案4】：

nditer 不是这种情况下最好的迭代工具。它在致力于编译（cython）解决方案时很有用，但在纯 Python 编码中则不然。

看一些常规的迭代策略：

In [832]: x=np.array([[1,3],[2,4]])

In [833]: x
Out[833]: 
array([[1, 3],
       [2, 4]])

In [834]: for i in x:print i   # print each row
[1 3]
[2 4]

In [835]: for i in x.T:print i   # print each column
[1 2]
[3 4]

In [836]: for i in x.ravel():print i   # print values in order
1
3
2
4

In [837]: for i in x.T.ravel():print i  # print values in column order
1
2
3
4

你评论：I need to fill values into an array based on the index of each cell in the array

index 是什么意思？

带有索引的粗略 2d 迭代：

In [838]: for i in range(2):
   .....:     for j in range(2):
   .....:         print (i,j),x[i,j]
(0, 0) 1
(0, 1) 3
(1, 0) 2
(1, 1) 4

ndindex 使用nditer 生成相似索引

In [841]: for i,j in np.ndindex(x.shape):
   .....:     print (i,j),x[i,j]
   .....:     
(0, 0) 1
(0, 1) 3
(1, 0) 2
(1, 1) 4

enumerate 是一种很好的 Python 获取值和索引的方法：

In [847]: for i,v in enumerate(x):print i,v
0 [1 3]
1 [2 4]

或者您可以使用meshgrid 将所有索引生成为数组

In [843]: I,J=np.meshgrid(range(2),range(2))

In [844]: I
Out[844]: 
array([[0, 1],
       [0, 1]])

In [845]: J
Out[845]: 
array([[0, 0],
       [1, 1]])

In [846]: x[I,J]
Out[846]: 
array([[1, 2],
       [3, 4]])

请注意，大多数这些迭代方法只是将您的数组视为列表列表。它们没有利用数组性质，并且与使用整个 x 的方法相比会很慢。

【讨论】：