NumPy 배열 반복

NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。

迭代器最基本的任务的可以完成对数组元素的访问。

接下来我们使用 arange() 函数创建一个 2X3 数组，并使用 nditer 对它进行迭代。

import numpy as np
a = np.arange(12).reshape(2,6)
print('원래 배열은 다음과 같습니다：')
print(a)
print('\n')
print('迭代输出元素：')
for x in np.nditer(a):
　　　　print(x, end=" ")

출력 결과는 다음과 같습니다：

原始数组如下：
[[ 0　1　2　3　4　5]
　[　6　7　8　9　10　11]]
迭代输出数组元素如下：
0　1　2　3　4　5　6　7　8　9　10　11

以上实例不是使用标准 C 或者 Fortran 顺序，选择的顺序是和数组内存布局一致的，这样做是为了提升访问的效率，默认是行序优先（row-major order，或者说是 C-order）。

这反映了默认情况下只需访问每个元素，而无需考虑其特定顺序。我们可以通过迭代上述数组的转置来看到这一点，并与以 C 顺序访问数组转置的 copy 方式做对比，如下实例：

import numpy as np
a = np.arange(12).reshape(2,6)
for x in np.nditer(a.T):
　　　　print(x, end=" ")
print('\n')
for x in np.nditer(a.T.copy(order='C')):
　　　　print(x, end=" ")

출력 결과는 다음과 같습니다：

0　1　2　3　4　5　6　7　8　9　10　11　
0　6　1　7　2　8　3　9　4　10　5　11

위의 예제에서 a와 a.T의 순회 순서는 같습니다. 즉, 메모리에서의 저장 순서도 같지만, a.T.copy(order = 'C') 의 순회 결과는 다릅니다. 이는 그것이 이전 두 가지와 다른 저장 방식을 가지기 때문입니다. 기본적으로는 행 방향으로 접근합니다.

순회 순서 제어

for x in np.nditer(a, order='F'): Fortran order는 열 우선순위를 의미합니다;for x in np.nditer(a.T, order='C'): C order는 행 우선순위를 의미합니다;

import numpy as np
a = np.arange(0,100,5)
a = a.reshape(4,5)
print('원래 배열은 다음과 같습니다：')
print(a)
print('\n')
print('원래 배열의 전치는 다음과 같습니다:')
b = a.T
print(b)
print('\n')
print('C 스타일 순서로 정렬됩니다:')
c = b.copy(order='C')
print(c)
for x in np.nditer(c):
　　　　print(x, end=" ")
print('\n')
print('F 스타일 순서로 정렬됩니다:')
c = b.copy(order='F')
print(c)
for x in np.nditer(c):
　　　　print(x, end=" ")

출력 결과는 다음과 같습니다：

원래 배열은 다음과 같습니다：
[[ 0　5　10　15　20]
　[25　30　35　40　45]
　[50　55　60　65　70]
　[75　80　85　90　95]]
원래 배열의 전치는 다음과 같습니다:
[[ 0　25　50　75]
　[　5　30　55　80]
　[10　35　60　85]
　[15　40　65　90]
　[20　45　70　95]]
C 스타일 순서로 정렬됩니다:
[[ 0　25　50　75]
　[　5　30　55　80]
　[10　35　60　85]
　[15　40　65　90]
　[20　45　70　95]]
0　25　50　75　5　30　55　80　10　35　60　85　15　40　65　90　20　45　70　95　
F 스타일 순서로 정렬됩니다:
[[ 0　25　50　75]
　[　5　30　55　80]
　[10　35　60　85]
　[15　40　65　90]
　[20　45　70　95]]
0　5　10　15　20　25　30　35　40　45　50　55　60　65　70　75　80　85　90　95

명시적으로 설정하여 강제로 nditer 객체가 특정 순서를 사용하도록 할 수 있습니다:

import numpy as np
a = np.arange(0,100,5)
a = a.reshape(4,5)
print('원래 배열은 다음과 같습니다：')
print(a)
print('\n')
print('C 스타일 순서로 정렬됩니다:')
for x in np.nditer(a, order='C'):
　　　　print(x, end=', ')
print('\n')
print('F 스타일 순서로 정렬됩니다:')
for x in np.nditer(a, order='F'):
　　　　print(x, end=" ")

출력 결과는 다음과 같습니다：

원래 배열은 다음과 같습니다：
[[ 0　5　10　15　20]
　[25　30　35　40　45]
　[50　55　60　65　70]
　[75　80　85　90　95]]
C 스타일 순서로 정렬됩니다:
0,　5,　10,　15,　20,　25,　30,　35,　40,　45,　50,　55,　60,　65,　70,　75,　80,　85,　90,　95,　
F 스타일 순서로 정렬됩니다:
0　25　50　75　5　30　55　80　10　35　60　85　15　40　65　90　20　45　70　95

배열의 요소 값이 변경됩니다

nditer 객체는 또 다른 선택적 파라미터 op_flags를 가집니다. 기본적으로 nditer는 순회를 위해 반복할 배열을 읽기 전용(read) 객체로 간주합니다.-only를 사용하여 배열을 순회하면서 배열 요소 값을 변경할 수 있도록 read를 지정해야 합니다.-write 또는 write-only 모드.

import numpy as np
a = np.arange(0,100,5)
a = a.reshape(4,5)
print('원래 배열은 다음과 같습니다：')
print(a)
print('\n')
for x in np.nditer(a, op_flags=['readwrite']):
　　　　x[...]=2*x
print('수정된 배열은 다음과 같습니다：')
print(a)

출력 결과는 다음과 같습니다：

원래 배열은 다음과 같습니다：
[[ 0　5　10　15　20]
　[25　30　35　40　45]
　[50　55　60　65　70]
　[75　80　85　90　95]]
수정된 배열은 다음과 같습니다：
[[ 0　10　20　30　40]
　[　50　60　70　80　90]
　[100　110　120　130　140]
　[150　160　170　180　190]]

외부 루프 사용

nditer 클래스의 생성자는 flags 파라미터를 가지며, 다음 값들을 받을 수 있습니다:

아래의 예제에서 이터레이터는 각 열에 해당하여 일원 배열로 결합됩니다.

import numpy as np
a = np.arange(0,100,5)
a = a.reshape(4,5)
print('원래 배열은 다음과 같습니다：')
print(a)
print('\n')
print('수정된 배열은 다음과 같습니다：')
for x in np.nditer(a, flags=['external_loop'], order='F'):
　　　　print(x, end=" ")

출력 결과는 다음과 같습니다：

원래 배열은 다음과 같습니다：
[[ 0　5　10　15　20]
　[25　30　35　40　45]
　[50　55　60　65　70]
　[75　80　85　90　95]]
수정된 배열은 다음과 같습니다：
[ 0　25　50　75]] [[　5　30　55　80] [[10　35　60　85]] [[15　40　65　90] [[20　45　70　95]

브로드캐스트 이터레이션

두 개의 배열이 브로드캐스트 가능하다면, nditer 조합 객체가 동시에 이들에 대해 이터레이션할 수 있습니다. 예를 들어, 배열 a의 차원은 3X4배열 b의 차원은 1X4 그렇다면 다음과 같은 이터레이터를 사용합니다(배열 b는 배열 a의 크기에 브로드캐스트됩니다).

import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print('첫 번째 배열은 다음과 같습니다：')
print(a)
print('\n')
print('두 번째 배열은 다음과 같습니다：')
b = np.array([1,　2,　3,　4], dtype = int)
print(b)
print('\n')
print('수정된 배열은 다음과 같습니다：')
for x,y in np.nditer([a,b]):
　　　　print("%d:%d" % (x,y), end=" ")

출력 결과는 다음과 같습니다：

첫 번째 배열은 다음과 같습니다：
[[ 0　5　10　15]
　[20　25　30　35]
　[40　45　50　55]]
두 번째 배열은 다음과 같습니다：
[1　2　3　4]
수정된 배열은 다음과 같습니다：
0:1,　5:2,　10:3,　15:4,　20:1,　25:2,　30:3,　35:4,　40:1,　45:2,　50:3,　55:4,