NumPy 数组迭代与合并详解

好上好

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：

1. import numpy as np
3. arr = np.array([1, 2, 3, 4, 5])
5. for element in arr:
6.     print(element)

复制代码

二维数组迭代：

1. import numpy as np
3. arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
5. for row in arr:
6.     for element in row:
7.         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。

1. import numpy as np
3. arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
5. for cube in arr:
6.     for row in cube:
7.         for element in row:
8.             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：

1. import numpy as np
3. arr = np.array([[1, 2, 3], [4, 5, 6]])
5. # 迭代每个元素，并将其转换为字符串
6. for element in np.nditer(arr, op_dtypes=['S']):
7.     print(element)

复制代码

示例：

1. import numpy as np
3. arr = np.array([[1, 2, 3], [4, 5, 6]])
5. # 迭代行，跳过第一个元素
6. for row in np.nditer(arr[:, 1:], flags=['slicing']):
7.     print(row)

复制代码

示例：

1. import numpy as np
3. arr = np.array([[1, 2, 3], [4, 5, 6]])
5. # 迭代列，每隔一个元素
6. for column in np.nditer(arr[:, ::2], flags=['slicing']):
7.     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：

1. import numpy as np
3. arr = np.array([[1, 2, 3], [4, 5, 6]])
5. for (row_idx, col_idx), element in np.ndenumerate(arr):
6.     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：

1. 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：

1. import numpy as np
3. arr1 = np.array([1, 2, 3])
4. arr2 = np.array([4, 5, 6])
6. # 合并两个一维数组
7. arr = np.concatenate((arr1, arr2))
8. print(arr)  # 输出： [1 2 3 4 5 6]
10. # 沿行合并两个二维数组
11. arr1 = np.array([[1, 2], [3, 4]])
12. arr2 = np.array([[5, 6], [7, 8]])
13. arr = np.concatenate((arr1, arr2), axis=1)
14. print(arr)  # 输出： [[ 1  2  5  6]
15.                         #  [ 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：

1. 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：

1. import numpy as np
3. arr1 = np.array([1, 2, 3])
4. arr2 = np.array([4, 5, 6])
6. # 沿第二轴堆叠两个一维数组
7. arr = np.stack((arr1, arr2), axis=1)
8. print(arr)  # 输出： [[1 4]
9.                         #  [2 5]
10.                         #  [3 6]]
12. # 沿行堆叠
13. arr1 = np.array([[1, 2], [3, 4]])
14. arr2 = np.array([[5, 6], [7, 8]])
15. arr = np.stack((arr1, arr2), axis=0)
16. print(arr)  # 输出： [[1 2]
17.                         #  [3 4]
18.                         #  [5 6]
19.                         #  [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：

1. import numpy as np
3. arr1 = np.array([1, 2, 3])
4. arr2 = np.array([4, 5, 6])
6. # 沿行堆叠
7. arr = np.hstack((arr1, arr2))
8. print(arr)  # 输出： [1 2 3 4 5 6]
10. # 沿列堆叠
11. arr = np.vstack((arr1, arr2))
12. print(arr)  # 输出： [[1 4]
13.                         #  [2 5]
14.                         #  [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。

1. import numpy as np
3. arr1 = np.array([1, 2, 3])
4. arr2 = np.array([4, 5, 6])
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。
最后

为了方便其他设备和平台的小伙伴观看往期文章：
微信公众号搜索：Let us Coding，关注后即可获取最新文章推送
看完如果觉得有帮助，欢迎点赞、收藏、关注

来源:https://www.cnblogs.com/xiaowange/p/18192255
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！