Итерирование по массиву numpy

Существует ли менее верная альтернатива этому:

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

Я придумал это:

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

Что экономит один отступ, но все еще довольно уродливо.

Я надеюсь на что-то похожее на этот псевдокод:

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

Есть ли что-нибудь подобное?

3 Solutions collect form web for “Итерирование по массиву numpy”

Я думаю, вы ищете 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 

Что касается производительности. Это немного медленнее, чем понимание списка.

 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 

Если вас беспокоит производительность, которую вы могли бы оптимизировать немного, посмотрев на реализацию ndenumerate , которая делает 2 вещи, конвертирует в массив и циклирует. Если вы знаете, что у вас есть массив, вы можете вызвать атрибут .coords для плоского итератора.

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

Если вам нужны только индексы, вы можете попробовать numpy.ndindex :

 >>> 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)] 

см. 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]) 

y = 3 не будет работать, вместо этого используйте y *= 0 и y += 3 .

Python - лучший язык программирования в мире.