ในขณะที่เสนอซ้ำวัตถุ Python Ellipsis ทำอะไร? ตอบคำถามในpythonบริบททั่วไปnditerฉันคิดว่าการใช้ในลูปต้องเพิ่มข้อมูล
https://docs.scipy.org/doc/numpy/reference/arrays.nditer.html#modifying-array-values
การกำหนดปกติใน Python เพียงแค่เปลี่ยนการอ้างอิงในพจนานุกรมตัวแปรท้องถิ่นหรือทั่วโลกแทนที่จะแก้ไขตัวแปรที่มีอยู่ในตำแหน่ง ซึ่งหมายความว่าการกำหนดให้กับ x จะไม่ใส่ค่าลงในองค์ประกอบของอาร์เรย์ แต่เป็นการเปลี่ยน x จากการอ้างอิงองค์ประกอบอาร์เรย์เป็นการอ้างอิงถึงค่าที่คุณกำหนด ในการแก้ไของค์ประกอบของอาร์เรย์จริง ๆ ควรทำดัชนี x ด้วยจุดไข่ปลา
ส่วนนั้นประกอบด้วยตัวอย่างโค้ดของคุณ
ดังนั้นในคำพูดของฉันการx[...] = ...ปรับเปลี่ยนxในสถานที่ x = ...จะทำให้ลิงก์ไปยังnditerตัวแปรเสียหายและไม่เปลี่ยนแปลง มันเหมือนกับx[:] = ...แต่ใช้ได้กับอาร์เรย์ทุกมิติ (รวมถึง 0d) ในบริบทxนี้ไม่ใช่แค่ตัวเลข แต่เป็นอาร์เรย์
บางทีสิ่งที่ใกล้เคียงที่สุดสำหรับการnditerวนซ้ำนี้หากไม่มีnditerคือ:
In [667]: for i, x in np.ndenumerate(a):
...: print(i, x)
...: a[i] = 2 * x
...:
(0, 0) 0
(0, 1) 1
...
(1, 2) 5
In [668]: a
Out[668]:
array([[ 0, 2, 4],
[ 6, 8, 10]])
สังเกตว่าฉันต้องจัดทำดัชนีและแก้ไขa[i]โดยตรง ฉันไม่สามารถใช้, x = 2*x. ในการวนซ้ำxนี้เป็นสเกลาร์จึงไม่เปลี่ยนแปลง
In [669]: for i,x in np.ndenumerate(a):
...: x[...] = 2 * x
...
TypeError: 'numpy.int32' object does not support item assignment
แต่ในnditerกรณีนี้xคืออาร์เรย์ 0d และไม่แน่นอน
In [671]: for x in np.nditer(a, op_flags=['readwrite']):
...: print(x, type(x), x.shape)
...: x[...] = 2 * x
...:
0 <class 'numpy.ndarray'> ()
4 <class 'numpy.ndarray'> ()
...
และเนื่องจากเป็น 0d x[:]จึงไม่สามารถใช้แทนx[...]
----> 3 x[:] = 2 * x
IndexError: too many indices for array
การทำซ้ำอาร์เรย์ที่ง่ายขึ้นอาจให้ข้อมูลเชิงลึก:
In [675]: for x in a:
...: print(x, x.shape)
...: x[:] = 2 * x
...:
[ 0 8 16] (3,)
[24 32 40] (3,)
iterates นี้ในแถว (ที่ 1 มซำ) aของ xจากนั้นเป็นอาร์เรย์ 1d และสามารถแก้ไขได้ด้วยx[:]=...หรือx[...]=....
และถ้าผมเพิ่มexternal_loopธงจากการต่อไปส่วน , xตอนนี้เป็นอาร์เรย์ 1D และx[:] =จะทำงาน แต่x[...] =ยังคงใช้งานได้และเป็นเรื่องทั่วไป x[...]จะใช้nditerตัวอย่างอื่น ๆทั้งหมด
In [677]: for x in np.nditer(a, op_flags=['readwrite'], flags=['external_loop']):
...: print(x, type(x), x.shape)
...: x[...] = 2 * x
[ 0 16 32 48 64 80] <class 'numpy.ndarray'> (6,)
เปรียบเทียบการทำซ้ำแถวอย่างง่ายนี้ (บนอาร์เรย์ 2d):
In [675]: for x in a:
...: print(x, x.shape)
...: x[:] = 2 * x
...:
[ 0 8 16] (3,)
[24 32 40] (3,)
iterates นี้ในแถว (ที่ 1 มซำ) aของ xจากนั้นเป็นอาร์เรย์ 1d และสามารถแก้ไขได้ด้วยx[:] = ...หรือx[...] = ....
อ่านและทดลองกับnditerหน้านี้จนจบ ด้วยตัวมันเองnditerไม่ได้มีประโยชน์ในpython. มันไม่ได้เพิ่มความเร็วในการย้ำ - cythonไม่ได้จนกว่าคุณพอร์ตรหัสของคุณ np.ndindexเป็นหนึ่งในไม่กี่รวบรวมฟังก์ชั่นที่ใช้numpynditer