有没有那么冗长的替代方案:
for x in xrange(array.shape[0]):
for y in xrange(array.shape[1]):
do_stuff(x, y)
我想出了这个:
for x, y in itertools.product(map(xrange, array.shape)):
do_stuff(x, y)
这节省了一个缩进,但仍然很丑陋。
我希望看起来像这样的伪代码:
for x, y in array.indices:
do_stuff(x, y)
有没有类似的东西存在?
我认为您正在寻找ndenumerate。
>>> 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
关于性能。它比列表理解要慢一些。
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
如果您担心性能,可以通过查看的实现进一步优化一点,该实现有ndenumerate
两件事,转换为数组并循环。如果知道有数组,则可以调用.coords
平面迭代器的属性。
a = X.flat
%timeit list([(a.coords, x) for x in a.flat])
1 loop, best of 3: 305 ms per loop
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句