이것에 대한 덜 장황한 대안이 있습니까?
for x in xrange(array.shape[0]):
for y in xrange(array.shape[1]):
do_stuff(x, y)
나는 이것을 생각해 냈다.
for x, y in itertools.product(map(xrange, array.shape)):
do_stuff(x, y)
하나의 들여 쓰기를 저장하지만 여전히 추악합니다.
이 의사 코드처럼 보이는 것을 기대하고 있습니다.
for x, y in array.indices:
do_stuff(x, y)
그런 것이 있습니까?
답변
나는 당신이 ndenumerate 찾고 있다고 생각합니다 .
>>> a =numpy.array([[1,2],[3,4],[5,6]])
>>> for (x,y), value in numpy.ndenumerate(a):
... print x,y
...
0 0
0 1
1 0
1 1
2 0
2 1
성능에 관하여. 목록 이해보다 약간 느립니다.
X = np.zeros((100, 100, 100))
%timeit list([((i,j,k), X[i,j,k]) for i in range(X.shape[0]) for j in range(X.shape[1]) for k in range(X.shape[2])])
1 loop, best of 3: 376 ms per loop
%timeit list(np.ndenumerate(X))
1 loop, best of 3: 570 ms per loop
성능이 걱정된다면의 구현을 살펴보면 ndenumerate
배열로 변환하고 반복하는 두 가지 작업을 수행하여 조금 더 최적화 할 수 있습니다. 배열이 있다는 것을 알고 있다면 .coords
플랫 반복자 의 속성을 호출 할 수 있습니다 .
a = X.flat
%timeit list([(a.coords, x) for x in a.flat])
1 loop, best of 3: 305 ms per loop
답변
인덱스 만 필요한 경우 다음을 시도해보십시오 numpy.ndindex
.
>>> a = numpy.arange(9).reshape(3, 3)
>>> [(x, y) for x, y in numpy.ndindex(a.shape)]
[(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2), (2, 0), (2, 1), (2, 2)]
답변
nditer 참조
import numpy as np
Y = np.array([3,4,5,6])
for y in np.nditer(Y, op_flags=['readwrite']):
y += 3
Y == np.array([6, 7, 8, 9])
y = 3
사용을 작동하지 않을 것입니다y *= 0
및y += 3
대신.