Numpy 数组中进行迭代

在本文中，我们将介绍如何在Numpy数组中进行迭代。Numpy是Python中科学计算库的重要组件，可以帮助用户处理大量的数值数据，并提供各种数据处理和计算方法。但是，numpy数组可以很大，通常会比原生Python list更快，但是开发者会担心使用它们需要的时间和复杂性。

阅读更多：Numpy 教程

使用enumerate（枚举）来迭代Numpy数组

Python中有一个强大的enumerate（枚举）功能，用于同时迭代序列以及追踪它们的索引。Numpy中没有对应的直接功能。幸运的是，我们可以使用ndenumerate（Numpy的枚举）来实现同样的目标。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

for idx, val in np.ndenumerate(arr):
    print(idx, val)

输出：

(0,) 1
(1,) 2
(2,) 3
(3,) 4
(4,) 5

我们可以看到，对于Numpy数组，我们可以使用np.ndenumerate（）替代Python enumerate（）来进行迭代。方法的使用与Python的enumerate（）基本相同。输出的结果是一个二元组，表示迭代对象的索引和值。

迭代多维数组

处理大型数组时，我们可能需要遍历多维数组。一种方法是使用Numpy的ndenumerate（）函数：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

for idx, val in np.ndenumerate(arr):
    print(idx, val)

输出:

(0, 0) 1
(0, 1) 2
(0, 2) 3
(1, 0) 4
(1, 1) 5
(1, 2) 6

或者，我们可以使用Numpy相当于Python的range（范围）函数，即arange（数组范围）函数，来生成数组的索引，然后使用Numpy高斯广播（broadcast）功能，将这些索引数组与原始数组结合起来：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

for idx in np.ndindex(arr.shape):
    print(idx, arr[idx])

输出：

(0, 0) 1
(0, 1) 2
(0, 2) 3
(1, 0) 4
(1, 1) 5
(1, 2) 6

使用ndindex（）函数时，我们可以得到每个元素的索引，然后使用这些索引来访问该元素。

跳过边缘元素

有时候，在处理多维数组时，我们不希望遍历边缘元素。在本例中，我们将跳过数组的第一行和最后一行，以及第一列和最后一列。

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

for idx in np.ndindex(arr.shape):
    if idx[0] == 0 or idx[0] == arr.shape[0]-1 or idx[1] == 0 or idx[1] == arr.shape[1]-1 :
        continue
    else:
        print(idx, arr[idx])

输出：

(1, 1) 5

总结

在本文中，我们学习了如何在Numpy中使用与Python enumerate（）的行为相似的功能。我们可以使用ndenumerate（）函数遍历多维数组，并使用ndindex（）函数跳过边缘元素。Numpy是Python中一个非常有用的库，特别在处理大量数值数据时更为常用。了解如何在Numpy中进行迭代可以使我们更高效地处理数据，提高我们的编程效率。