NumPy 数组迭代
NumPy 数组迭代是访问和处理数组元素的重要方法。它允许您逐个或成组地遍历数组元素。
基本迭代
我们可以使用 Python 的基本 for 循环来迭代 NumPy 数组。
一维数组迭代：
import numpy as np arr = np.array([1, 2, 3, 4, 5]) for element in arr: print(element)
复制代码
二维数组迭代：
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) for row in arr: for element in row: print(element)
复制代码
多维数组迭代：
对于更高维度的数组，我们可以使用嵌套循环来迭代每个维度。
import numpy as np arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) for cube in arr: for row in cube: for element in row: print(element)
复制代码
使用 nditer() 进行高级迭代
NumPy 提供了 np.nditer() 函数，用于更复杂的迭代操作。它允许您：
指定迭代顺序：order 参数可以是 'C'（行优先）或 'F'（列优先）。过滤元素：flags 参数可以包含 'filtering' 和 'slicing' 等标志，用于过滤元素。转换数据类型：op_dtypes 参数可以指定迭代过程中元素的数据类型。使用步长：axes 和 step 参数可以用于指定迭代步长。
示例：
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) # 迭代每个元素，并将其转换为字符串for element in np.nditer(arr, op_dtypes=['S']): print(element)
复制代码
示例：
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) # 迭代行，跳过第一个元素for row in np.nditer(arr[:, 1:], flags=['slicing']): print(row)
复制代码
示例：
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) # 迭代列，每隔一个元素for column in np.nditer(arr[:, ::2], flags=['slicing']): print(column)
复制代码
使用 ndenumerate() 进行枚举迭代
np.ndenumerate() 函数将每个元素与其索引一起返回。
示例：
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) for (row_idx, col_idx), element in np.ndenumerate(arr): print(f"({row_idx}, {col_idx}): {element}")
复制代码
练习
使用 NumPy 数组迭代完成以下任务：
创建一个 3x3 的二维数组，并打印每个元素。
创建一个 5x5x5 的三维数组，并打印每个元素的坐标和值。
创建一个 10 个元素的一维数组，并计算数组元素的平均值。
创建一个 2x2 的二维数组，并将其转置（行列互换）。
创建一个 3x4 的二维数组，并沿第 1 轴（行）堆叠两个这样的数组。
在评论中分享您的代码和输出。
Sure, here is the requested Markdown formatted content:
NumPy 合并数组
NumPy 提供了多种函数来合并数组，用于将多个数组的内容连接成一个新数组。
合并数组
np.concatenate() 函数用于沿指定轴连接多个数组。
语法：
np.concatenate((arr1, arr2, ..., arrN), axis=None)
复制代码
arr1, arr2, ..., arrN： 要合并的数组。axis： 指定连接的轴。默认为 0。
示例：
import numpy as np arr1 = np.array([1, 2, 3])arr2 = np.array([4, 5, 6]) # 合并两个一维数组arr = np.concatenate((arr1, arr2))print(arr) # 输出： [1 2 3 4 5 6] # 沿行合并两个二维数组arr1 = np.array([[1, 2], [3, 4]])arr2 = np.array([[5, 6], [7, 8]])arr = np.concatenate((arr1, arr2), axis=1)print(arr) # 输出： [[ 1 2 5 6] # [ 3 4 7 8]]
复制代码
堆叠数组
np.stack() 函数用于沿新轴堆叠多个数组。
语法：
np.stack((arr1, arr2, ..., arrN), axis=None)
复制代码
arr1, arr2, ..., arrN： 要堆叠的数组。axis： 指定堆叠的轴。默认为 0。
示例：
import numpy as np arr1 = np.array([1, 2, 3])arr2 = np.array([4, 5, 6]) # 沿第二轴堆叠两个一维数组arr = np.stack((arr1, arr2), axis=1)print(arr) # 输出： [[1 4] # [2 5] # [3 6]] # 沿行堆叠arr1 = np.array([[1, 2], [3, 4]])arr2 = np.array([[5, 6], [7, 8]])arr = np.stack((arr1, arr2), axis=0)print(arr) # 输出： [[1 2] # [3 4] # [5 6] # [7 8]]
复制代码
辅助函数
NumPy 提供了一些辅助函数来方便常见轴上的堆叠操作：
np.hstack()：沿水平方向（行）堆叠数组。np.vstack()：沿垂直方向（列）堆叠数组。np.dstack()：沿第三轴（深度）堆叠数组。
示例：
import numpy as np arr1 = np.array([1, 2, 3])arr2 = np.array([4, 5, 6]) # 沿行堆叠arr = np.hstack((arr1, arr2))print(arr) # 输出： [1 2 3 4 5 6] # 沿列堆叠arr = np.vstack((arr1, arr2))print(arr) # 输出： [[1 4] # [2 5] # [3 6]]
复制代码
练习
使用 NumPy 的正确方法，将以下数组 arr1 和 arr2 合并成一个新数组。
import numpy as np arr1 = np.array([1, 2, 3])arr2 = np.array([4, 5, 6]) # 期望输出： [1 4 2 5 3 6]
复制代码
在评论中分享您的代码和输出。
文章转载自：小万哥丶
原文链接：https://www.cnblogs.com/xiaowange/p/18192255
体验地址：http://www.jnpfsoft.com/?from=infoq
评论