迭代numpy.array的任意维度

Question

是否有函数在numpy数组的任意维度上获取迭代器？

迭代第一维很容易......

In [63]: c = numpy.arange(24).reshape(2,3,4)

In [64]: for r in c :
   ....:     print r
   ....: 
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]]

但迭代其他维度更难.例如,最后一个维度:

In [73]: for r in c.swapaxes(2,0).swapaxes(1,2) :
   ....:     print r
   ....: 
[[ 0  4  8]
 [12 16 20]]
[[ 1  5  9]
 [13 17 21]]
[[ 2  6 10]
 [14 18 22]]
[[ 3  7 11]
 [15 19 23]]

我自己做了一个生成器,但我很惊讶没有像numpy.ndarray.iterdim(axis = 0)这样的函数自动执行此操作.

Answer 1

你提出的建议是相当快的,但更清晰的形式可以提高易读性:

for i in range(c.shape[-1]):
    print c[:,:,i]

或者,更好(更快,更通用,更明确):

for i in range(c.shape[-1]):
    print c[...,i]

但是,上面的第一种方法看起来似乎是该swapaxes()方法的两倍:

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for r in c.swapaxes(2,0).swapaxes(1,2): u = r'
100000 loops, best of 3: 3.69 usec per loop

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for i in range(c.shape[-1]): u = c[:,:,i]'
100000 loops, best of 3: 6.08 usec per loop

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for r in numpy.rollaxis(c, 2): u = r'
100000 loops, best of 3: 6.46 usec per loop

我猜这是因为swapaxes()不复制任何数据,并且因为处理c[:,:,i] 可能是通过通用代码完成的(处理:由更复杂的切片替换的情况).

但请注意,更明确的第二个解决方案c[...,i]既清晰又快速:

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for i in range(c.shape[-1]): u = c[...,i]'
100000 loops, best of 3: 4.74 usec per loop

Answer 2

我使用以下内容:

c = numpy.arange(2 * 3 * 4)
c.shape = (2, 3, 4)

for r in numpy.rollaxis(c, 2):
    print(r)

功能rollaxis在阵列上创建一个新视图.在这种情况下,它将轴2移动到前面,相当于操作c.transpose(2, 0, 1).

Answer 3

因此,正如您所示,可以轻松地迭代第一维.对任意维度执行此操作的另一种方法是使用numpy.rollaxis()将给定维度带到第一个(默认行为),然后使用返回的数组(这是一个视图,因此这很快)作为迭代器.

In [1]: array = numpy.arange(24).reshape(2,3,4)

In [2]: for array_slice in np.rollaxis(array, 1):
   ....:     print array_slice.shape
   ....:
(2, 4)
(2, 4)
(2, 4)

编辑:我会评论我提交了一个PR到numpy来解决这个问题:https: //github.com/numpy/numpy/pull/3262.一致认为,这还不足以增加numpy代码库.我认为使用np.rollaxis是最好的方法,如果你想要一个interator,请将它包装在iter()中.

Answer 4

以下正是您正在寻找的内容：

for y in np.moveaxis(x, axis, 0):

Answer 5

估计是没有功能。当我编写函数时，我最终采用了也建议的迭代 EOL。对于未来的读者，这里是：

def iterdim(a, axis=0) :
  a = numpy.asarray(a);
  leading_indices = (slice(None),)*axis
  for i in xrange(a.shape[axis]) :
    yield a[leading_indices+(i,)]