Python NumPy教程之遍历数组详解

拾柒

发布时间：2026-10-16 | 5人浏览过

原创

本文详细介绍Python NumPy中高效的多维数组遍历方法。通过numpy.nditer对象，开发者可以控制迭代顺序（C/Fortran风格）、修改数组值以及处理广播数组。文章涵盖基础遍历、顺序控制、值修改、外部循环及索引跟踪等核心功能，帮助深入理解NumPy数组操作。

NumPy 数组基础遍历

NumPy 库包含一个名为 numpy.nditer 的迭代器对象。这是一个专为高效处理多维数组设计的迭代工具，允许用户通过 Python 标准迭代接口逐个访问数组元素。

# 用于遍历数组的 Python 程序
 
import numpy as geek
 
# 使用排列方法创建数组
a = geek.arange(12)
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4)
 
print('Original array is:')
print(a)
print()
 
print('Modified array is:')
 
# 迭代数组
for x in geek.nditer(a):
    print(x)

运行结果如下：

Original array is: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Modified array is: 0 1 2 3 4 5 6 7 8 9 10 11

默认的迭代顺序旨在匹配数组在内存中的布局，而不强制特定的逻辑顺序。通过观察上述数组转置后的迭代结果可以验证这一点。

# 用于迭代转置的 Python 程序
# array
 
import numpy as geek 
 
# 使用排列方法创建数组
a = geek.arange(12)
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
    
print('Original array is:')
print(a)
print()  
    
# 原始数组的转置
b = a.T 
    
print('Modified array is:')
for x in geek.nditer(b): 
    print(x)

运行结果如下：

Original array is: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Modified array is: 0 1 2 3 4 5 6 7 8 9 10 11

控制迭代顺序

在某些场景下，无论数组在内存中如何存储，都需要按照特定的逻辑顺序访问元素。对象提供了一个 order 参数来指定这种行为。默认设置为 order='K'，即保持数组现有的内存顺序。如果需要强制使用 C 语言风格的行优先顺序，可设置 order='C'；若需使用 Fortran 风格的列优先顺序，则设置 order='F'。

示例代码 #1：

# 用于使用特定顺序迭代数组的 Python 程序
 
import numpy as geek 
 
# 使用排列方法创建数组
a = geek.arange(12) 
 
# 具有 3 行和 4 列的形状数组 
a = a.reshape(3,4) 
 
print('Original array is:') 
print(a)
print()  
 
print('Modified array in C-style order:')
 
# 具有 3 行和 4 行的形状数组，以给定的顺序排列数组
for x in geek.nditer(a, order = 'C'): 
    print(x)

运行结果如下：

Original array is: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Modified array in C-style order: 0 1 2 3 4 5 6 7 8 9 10 11

示例代码 #2：

# 用于使用特定顺序迭代数组的 Python 程序
 
import numpy as geek 
 
# 使用排列方法创建数组
a = geek.arange(0,60,5) 
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
 
print('Original array is:') 
print(a)
print()  
 
print('Modified array in F-style order:')
 
# 以给定顺序迭代数组
for x in geek.nditer(a, order = 'F'): 
    print(x)

运行结果如下：

Original array is: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Modified array in F-style order: 0 4 8 1 5 9 2 6 10 3 7 11

修改数组值

对象还包含一个可选参数 op_flags，用于定义迭代器的访问权限。默认情况下，该参数为只读模式。若需通过迭代器修改数组元素，可将其设置为读写（readwrite）或只写（writeonly）模式。

# 用于修改数组值的 Python 程序
 
import numpy as geek
 
# 使用排列方法创建数组
a = geek.arange(12)
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4)
print('Original array is:')
print(a)
print()
 
# 修改数组值
for x in geek.nditer(a, op_flags = ['readwrite']):
    x[...] = 5*x
print('Modified array is:')
print(a)

运行结果如下：

Original array is: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Modified array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]]

外部循环与索引跟踪

外部循环

类 nditer 的构造函数接受一个名为 flags 的参数，该参数可接受以下标志值：

范围	描述
external_loop	导致给定的值是具有多个值的一维数组，而不是零维数组
c_index	C_order索引可以被跟踪
f_index	跟踪 Fortran_order 索引
multi-index	可以跟踪每次迭代一个索引的类型

示例代码 #1：

# 使用外部循环迭代数组值的 Python 程序
 
import numpy as geek 
 
# 使用排列方法创建数组
a = geek.arange(12) 
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
 
print('Original array is:') 
print(a) 
print()  
 
print('Modified array is:') 
for x in geek.nditer(a, flags = ['external_loop'], order = 'C'):
    print(x)

运行结果如下：

Original array is: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Modified array is: [ 0 1 2 3] [ 4 5 6 7] [8 9 10 11]

示例代码 #2：

# 使用 f_index 迭代数组值的 Python 程序
 
import numpy as geek 
 
# 使用排列方法创建数组
a = geek.arange(6)
 
# 具有 2 行和 3 列的形状数组
a = a.reshape(2,3)
 
print('Original array is:')
print(a)
print()
 
# 使用 f_index 参数迭代数组
it = geek.nditer(a, flags=['f_index'])
while not it.finished:
      print("%d <%d>" % (it[0], it.index), end=" ")
      it.iternext()

运行结果如下：

Original array is: [[ 0 1 2] [ 3 4 5]] 0 <0> 1 <2> 2 <4> 3 <1> 4 <3> 5 <5>

广播迭代

如果两个数组满足广播条件，组合的对象能够同时对它们进行迭代。假设数组 a 的维度为 3x4，而另一个数组 b 的维度为 1x4，可以使用如下类型的迭代器（此时数组 b 会被广播以匹配数组 a 的大小）。

# 用于迭代数组的 Python 程序
 
import numpy as geek
 
# 使用排列方法创建数组
a = geek.arange(12)
 
# 具有 3 行和 4 列的形状数组
a = a.reshape(3,4) 
 
print('First array is:') 
print(a)
print()  
 
# 使用数组方法创建第二个数组
print('Second array is:') 
b = geek.array([5, 6, 7, 8], dtype = int) 
print(b)  
print() 
 
print('Modified array is:')
for x,y in geek.nditer([a,b]): 
    print("%d:%d" % (x,y))

运行结果如下：