遍历numpy数组

Question

有没有一种更简洁的写法，可以替代这个：

for x in xrange(array.shape[0]):
    for y in xrange(array.shape[1]):
        do_stuff(x, y)

我想出了这个：

for x, y in itertools.product(map(xrange, array.shape)):
    do_stuff(x, y)

这样可以少一个缩进，但看起来还是挺丑的。

我希望能有一种像这样伪代码的写法：

for x, y in array.indices:
    do_stuff(x, y)

有没有类似的写法呢？

Answer 1

请查看 nditer

import numpy as np
Y = np.array([3,4,5,6])
for y in np.nditer(Y, op_flags=['readwrite']):
    y += 3

Y == np.array([6, 7, 8, 9])

直接写 y = 3 是不行的，应该用 y *= 0 和 y += 3 来代替。

Answer 2

如果你只需要索引的话，可以试试 numpy.ndindex 这个工具：

>>> a = numpy.arange(9).reshape(3, 3)
>>> [(x, y) for x, y in numpy.ndindex(a.shape)]
[(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2), (2, 0), (2, 1), (2, 2)]

Answer 3

我觉得你在找的是 ndenumerate。

>>> a =numpy.array([[1,2],[3,4],[5,6]])
>>> for (x,y), value in numpy.ndenumerate(a):
...  print x,y
... 
0 0
0 1
1 0
1 1
2 0
2 1

关于性能方面，它比列表推导式稍微慢一点。

X = np.zeros((100, 100, 100))

%timeit list([((i,j,k), X[i,j,k]) for i in range(X.shape[0]) for j in range(X.shape[1]) for k in range(X.shape[2])])
1 loop, best of 3: 376 ms per loop

%timeit list(np.ndenumerate(X))
1 loop, best of 3: 570 ms per loop

如果你担心性能问题，可以通过查看 ndenumerate 的实现来进一步优化。它主要做两件事：转换为数组和循环。如果你确定自己有一个数组，可以直接调用平坦迭代器的 .coords 属性。

a = X.flat
%timeit list([(a.coords, x) for x in a.flat])
1 loop, best of 3: 305 ms per loop