NumPy - Iterando Sobre Array

O pacote NumPy contém um objeto iterador numpy.nditer. É um objeto iterador multidimensional eficiente com o qual é possível iterar em um array. Cada elemento de uma matriz é visitado usando a interface Iterator padrão do Python.

Vamos criar um array 3X4 usando a função arange () e iterar sobre ele usando nditer.

Exemplo 1

import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)

print 'Original array is:'
print a
print '\n'

print 'Modified array is:'
for x in np.nditer(a):
   print x,

O resultado deste programa é o seguinte -

Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]

Modified array is:
0 5 10 15 20 25 30 35 40 45 50 55

Exemplo 2

A ordem da iteração é escolhida para coincidir com o layout de memória de um array, sem considerar uma ordem particular. Isso pode ser visto pela iteração da transposição da matriz acima.

import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 
   
print 'Original array is:'
print a 
print '\n'  
   
print 'Transpose of the original array is:' 
b = a.T 
print b 
print '\n'  
   
print 'Modified array is:' 
for x in np.nditer(b): 
   print x,

O resultado do programa acima é o seguinte -

Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]

Transpose of the original array is:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]

Modified array is:
0 5 10 15 20 25 30 35 40 45 50 55

Ordem de Iteração

Se os mesmos elementos forem armazenados usando a ordem do estilo F, o iterador escolhe a maneira mais eficiente de iterar em uma matriz.

Exemplo 1

import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'

print 'Transpose of the original array is:'
b = a.T
print b
print '\n'

print 'Sorted in C-style order:'
c = b.copy(order = 'C')
print c
for x in np.nditer(c):
   print x,

print '\n'

print 'Sorted in F-style order:'
c = b.copy(order = 'F')
print c
for x in np.nditer(c):
   print x,

Sua saída seria a seguinte -

Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]

Transpose of the original array is:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]

Sorted in C-style order:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]
0 20 40 5 25 45 10 30 50 15 35 55

Sorted in F-style order:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]
0 5 10 15 20 25 30 35 40 45 50 55

Exemplo 2

É possível forçar nditer objeto para usar uma ordem específica, mencionando-a explicitamente.

import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 

print 'Original array is:' 
print a 
print '\n'  

print 'Sorted in C-style order:' 
for x in np.nditer(a, order = 'C'): 
   print x,  
print '\n' 

print 'Sorted in F-style order:' 
for x in np.nditer(a, order = 'F'): 
   print x,

Sua saída seria -

Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]

Sorted in C-style order:
0 5 10 15 20 25 30 35 40 45 50 55

Sorted in F-style order:
0 20 40 5 25 45 10 30 50 15 35 55

Modificando Valores de Matriz

o nditer objeto tem outro parâmetro opcional chamado op_flags. Seu valor padrão é somente leitura, mas pode ser definido para o modo de leitura e gravação ou somente gravação. Isso habilitará a modificação de elementos do array usando este iterador.

Exemplo

import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'

for x in np.nditer(a, op_flags = ['readwrite']):
   x[...] = 2*x
print 'Modified array is:'
print a

Seu resultado é o seguinte -

Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]

Modified array is:
[[ 0 10 20 30]
 [ 40 50 60 70]
 [ 80 90 100 110]]

Loop Externo

O construtor da classe nditer tem um ‘flags’ parâmetro, que pode assumir os seguintes valores -

Sr. Não.	Parâmetro e Descrição
1	c_index O índice C_order pode ser rastreado
2	f_index O índice Fortran_order é rastreado
3	multi-index Tipos de índices com um por iteração podem ser rastreados
4	external_loop Faz com que os valores fornecidos sejam matrizes unidimensionais com vários valores em vez de matrizes com dimensão zero

Exemplo

No exemplo a seguir, os arrays unidimensionais correspondentes a cada coluna são percorridos pelo iterador.

import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 

print 'Original array is:' 
print a 
print '\n'  

print 'Modified array is:' 
for x in np.nditer(a, flags = ['external_loop'], order = 'F'):
   print x,

O resultado é o seguinte -

Original array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]

Modified array is:
[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]

Iteração de transmissão

Se duas matrizes são broadcastable, um combinado nditerobjeto é capaz de iterar sobre eles simultaneamente. Supondo que uma matriza tem dimensão 3X4, e há outra matriz b da dimensão 1X4, o iterador do seguinte tipo é usado (matriz b é transmitido para o tamanho de a)

Exemplo

import numpy as np 
a = np.arange(0,60,5) 
a = a.reshape(3,4) 

print 'First array is:' 
print a 
print '\n'  

print 'Second array is:' 
b = np.array([1, 2, 3, 4], dtype = int) 
print b  
print '\n' 

print 'Modified array is:' 
for x,y in np.nditer([a,b]): 
   print "%d:%d" % (x,y),

Sua saída seria a seguinte -

First array is:
[[ 0 5 10 15]
 [20 25 30 35]
 [40 45 50 55]]

Second array is:
[1 2 3 4]

Modified array is:
0:1 5:2 10:3 15:4 20:1 25:2 30:3 35:4 40:1 45:2 50:3 55:4