Перебор массива в Python. Использование NumPy для перебора массива
В этой статье поговорим о способах перебора массива в Python. Для выполнения этой задачи воспользуемся возможностями, которые предоставляет библиотека NumPy.
NumPy — библиотека для языка программирования Python с открытым исходным кодом. В пакете NumPy содержится объект итератора numpy.nditer. Речь идёт об эффективном многомерном объекте-итераторе, посредством которого вы сможете осуществлять итерации по массиву, то есть выполнять перебор массива в Питоне. При этом каждый элемент массива "посещается" с применением стандартного интерфейса Python-итератора.
Чтобы продемонстрировать возможности этого метода, создадим массив размером 3 х 4, используя функцию
Пример № 1
import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'Original array is:' print a print '\n' print 'Modified array is:' for x in np.nditer(a): print x,
В итоге получим следующий вывод:
Original array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Modified array is: 0 5 10 15 20 25 30 35 40 45 50 55
Пример № 2
Здесь порядок итерации (перебора) массива подбирается таким образом, дабы соответствовать макету памяти массива, не учитывая конкретный порядок. Вы можете в этом убедиться, реализовав перебор по транспонированному массиву.
import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'Original array is:' print a print '\n' print 'Transpose of the original array is:' b = a.T print b print '\n' print 'Modified array is:' for x in np.nditer(b): print x,
В итоге получим следующий результат:
Original array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Transpose of the original array is: [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]] Modified array is: 0 5 10 15 20 25 30 35 40 45 50 55
Порядок перебора массива в Python
Когда одни и те же элементы сохраняются в порядке F-стиля, итератор подбирает наиболее эффективный способ перебора Python-массива.
Пример № 1
import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'Original array is:' print a print '\n' print 'Transpose of the original array is:' b = a.T print b print '\n' print 'Sorted in C-style order:' c = b.copy(order = 'C') print c for x in np.nditer(c): print x, print '\n' print 'Sorted in F-style order:' c = b.copy(order = 'F') print c for x in np.nditer(c): print x,
В итоге получим следующий вывод::
Original array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Transpose of the original array is: [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]] Sorted in C-style order: [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]] 0 20 40 5 25 45 10 30 50 15 35 55 Sorted in F-style order: [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]] 0 5 10 15 20 25 30 35 40 45 50 55
Пример № 2
Кроме того, мы можем заставить объект nditer применять определенный порядок, если явно упомянем его.
import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print 'Original array is:' print a print '\n' print 'Sorted in C-style order:' for x in np.nditer(a, order = 'C'): print x, print '\n' print 'Sorted in F-style order:' for x in np.nditer(a, order = 'F'): print x,
В итоге получим следующий вывод:
Original array is: [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] Sorted in C-style order: 0 5 10 15 20 25 30 35 40 45 50 55 Sorted in F-style order: 0 20 40 5 25 45 10 30 50 15 35 55
Вот и всё. Помните, что повысить свою компетенцию в области Python-разработки вы всегда можете на наших курсах: