python-在NumPy中跟踪多索引和修改值

我正在迭代一个2D数组,以使用索引值进行计算,然后将计算出的值分配给所述索引.

在NumPy文档中,提供了an example用于使用迭代器修改值:

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

但是,当使用the following method跟踪索引时,这似乎不起作用:

it = np.nditer(a, flags=['multi_index'])
while not it.finished:
    it[...] = . . .
    it.iternext()

但是,我可以使用it.multi_index值,但这似乎不必要.是否有更简单的方法可以通过不同的方法或不同的语法来实现?

it = np.nditer(a, flags=['multi_index'])
while not it.finished:
    matrix[it.multi_index[0]][it.multi_index[1]] = . . .
    it.iternext()

编辑

这是一个multi_index迭代的示例,该迭代尝试使用迭代器索引和失败来修改值.

matrix = np.zeros((5,5))
it = np.nditer(matrix, flags=['multi_index'])
while not it.finished:
  it[...] = 1
  it.iternext()

产生的错误是

TypeError                                 Traceback (most recent call last)
 in ()
     25 it = np.nditer(matrix, flags=['multi_index'])
     26 while not it.finished:
---> 27   it[...] = 1
     28   it.iternext()

TypeError: invalid index type for iterator indexing

最佳答案

在您的第一个迭代示例中:

In [1]: arr = np.arange(12).reshape(3,4)
In [2]: for x in np.nditer(arr, op_flags=['readwrite']):
   ...:     print(x, type(x))
   ...:     x[...] = 2 * x
   ...:     
0 
1 
2 
3 
4 
....
11 
In [3]: x
Out[3]: array(22)
In [4]: arr
Out[4]: 
array([[ 0,  2,  4,  6],
       [ 8, 10, 12, 14],
       [16, 18, 20, 22]])

打开multi_index:

In [9]: it = np.nditer(arr, flags=['multi_index'],op_flags=['readwrite'])
In [10]: while not it.finished:
    ...:     print(it[0], it.multi_index)
    ...:     it.iternext()
    ...:     
0 (0, 0)
2 (0, 1)
4 (0, 2)
...
20 (2, 2)
22 (2, 3)

通过arr的元素进行相同的迭代,但是还会生成2d索引元组.它是nditer对象,具有各种方法和属性.在这种情况下,它具有multi_index属性.和当前迭代变量是在它[0].

我可以使用[…]就位或通过在arr中建立索引来修改元素:

In [11]: it = np.nditer(arr, flags=['multi_index'],op_flags=['readwrite'])
In [13]: while not it.finished:
    ...:     it[0][...] *= 2
    ...:     arr[it.multi_index] += 100
    ...:     it.iternext()
    ...:     

In [14]: arr       # values are doubled and add by 100
Out[14]: 
array([[100, 104, 108, 112],
       [116, 120, 124, 128],
       [132, 136, 140, 144]])

没有multi_index,我仍然可以创建一个nditer对象,并使用未完成的语法进行迭代.而不是访问x […],我不得不使用它[0] […].

np.ndindex是一种生成multi_index的更方便的方法.看一下它的代码.它是使用np.nditer的少数numpy函数之一.

In [26]: for idx in np.ndindex(arr.shape):
    ...:     print(idx)
    ...:     arr[idx] -= 100
    ...:     
(0, 0)
(0, 1)
...
(2, 3)
In [27]: arr
Out[27]: 
array([[ 0,  4,  8, 12],
       [16, 20, 24, 28],
       [32, 36, 40, 44]])

尽管与nditer一起玩很有趣,但它并不实际,至少在纯Python代码中不是这样.作为在cython或纯c代码中使用它的垫脚石,它最有用.请参阅迭代页面的最终示例.