代码之家 › 专栏 › 技术社区 › Ivan Shelonik

np.nditer在子数组上迭代时不赋值

numpy python-3.x arrays

Ivan Shelonik · 技术社区 · 5 年前

在分配内部方法期间,主数组不更新值 np.nditer公司

array = np.arange(20)

with np.nditer(array[np.nonzero(array)],
               op_flags=['readwrite']) as it:
    for x in it:
        x[...] = 5
array

array[np.nonzero(array)] = 5
array

使用临时数组有一个解决方法。

tmp_array = array[np.nonzero(array)]

array = np.arange(20)

with np.nditer(tmp_array,
               op_flags=['readwrite']) as it:
    for x in it:
        x[...] = 5

array[np.nonzero(array)] = tmp_array
array

数组([0,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5,5])

为什么主数组在 np.nditer公司
有没有一种更方便的方法来解决子阵列分配的问题 np.nditer公司 发生?

0 回复 | 直到 5 年前

hpaulj 5 年前

In [48]: arr = np.arange(20) 
    ...: with np.nditer(arr[np.nonzero(arr)], 
    ...:                op_flags=['readwrite']) as it: 
    ...:     for x in it: 
    ...:         x[...] = 5 
    ...: arr                                                                    
Out[48]: 
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19])

这不会改变 arr 因为它不是迭代的 阿里尔 . 相反,它在做:

In [49]: arr = np.arange(20) 
    ...: arr1 = arr[np.nonzero(arr)] 
    ...: with np.nditer(arr1, 
    ...:                op_flags=['readwrite']) as it: 
    ...:     for x in it: 
    ...:         x[...] = 5 
    ...: arr1                                                                   
Out[49]: array([5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5])
In [50]: _.shape                                                                
Out[50]: (19,)

arr1 不是一个 view 阿里尔 ,它是selection,一个没有共享数据缓冲区的新数组。

如果你想修改 阿里尔 ,你必须对它进行迭代,而不是复制。做测试,或任何花哨的事情,在循环内。

In [51]: arr = np.arange(20) 
    ...: with np.nditer(arr, 
    ...:                op_flags=['readwrite']) as it: 
    ...:     for x in it: 
    ...:         if x > 0: 
    ...:             x[...] = 5 
    ...: arr                                                                    
Out[51]: array([0, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5])

但你为什么要用 nditer

array[np.nonzero(array)] = 5

在这种情况下,任务 = 立即遵循高级索引,Python使用 array.__setitem__ 而不是 arr.__getitem__ .

迭代一个切片,一个 看法

In [52]: arr = np.arange(20) 
    ...: with np.nditer(arr[5:], 
    ...:                op_flags=['readwrite']) as it: 
    ...:     for x in it: 
    ...:         x[...] = 5 
    ...: arr                                                                    
Out[52]: array([0, 1, 2, 3, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5])