需要在nditer()中设置标志吗？

Question

如果我们想迭代存储在 nD 数组中的所有元素，我们可以使用 nditer() 但如果我们想设置要访问的元素的 dtype，那么我们还需要设置缓冲区，原因是什么为此？

例如::

import numpy as np
a = np.random.randint(1, 10, (10,))
for i in np.nditer(a,op_dtypes=['float']):
    print(i,end='\t')

上面的代码会给我错误。

错误声明:: 类型错误：迭代器操作数需要复制或缓冲，但复制或缓冲均未启用

要求我设置复制或缓冲标志，设置标志的目的是什么？缓冲和复制标志有什么作用？

              .              

Answer 1

您创建了一个整数数组：

In [16]: a = np.random.randint(1, 10, (10,))   
In [17]: a
Out[17]: array([5, 5, 8, 6, 5, 6, 4, 1, 8, 3])

您不需要

nditer

逐个元素地显示它，甚至不需要浮动形式：

In [18]: for i in a:
    ...:     print(i,end='\t')
    ...:     
5   5   8   6   5   6   4   1   8   3   

In [19]: for i in a.astype(float):
    ...:     print(i,end='\t')
    ...:     
5.0 5.0 8.0 6.0 5.0 6.0 4.0 1.0 8.0 3.0 

用

astype

我制作了浮动的临时副本。

我不明白你为什么要探索

nditer

。不要被它声称是“高效迭代器”的误导。我还没有看到它比简单的

for

更快。即使使用

nditer

，你仍然必须使用

for

。一般来说，你在循环中所做的事情会占用时间；迭代机制并不重要。无论

print()

包装如何，执行

for

10 次都会占用“x”时间。

In [20]: for i in np.nditer(a):
    ...:     print(i,end='\t')
    ...:     
5   5   8   6   5   6   4   1   8   3   

我不会尝试对这些替代方案进行计时，尤其是使用 io

print

函数。

按照文档链接中的示例进行操作：

https://numpy.org/doc/stable/reference/arrays.nditer.html#iteating-as-a-specific-data-type

In [23]: for i in np.nditer(a, op_flags=['readonly','copy'], op_dtypes=[float]):
    ...:     print(i, end='\t')
    ...:     
5.0 5.0 8.0 6.0 5.0 6.0 4.0 1.0 8.0 3.0 

显然，这些标志授予

nditer

相当于

astype(float)

的权限，无论是作为临时数组，还是即时缓冲。

np.nditer

最好用作在编译代码中使用

nditer

的测试场，如文档页面末尾所示，它使用

cython

。它对迭代和输出缓冲区的创建等提供了细粒度的控制。在编写正常的

numpy

代码时很少需要这种控制。

您将会遇到我们通常提倡使用预编译数组方法的问题。从全数组的角度思考，充分利用广播，

numpy

。尽量不要像时尚那样在列表中进行迭代，如果必须，请准备好将其移植到

ufuncs

或

cython

（如果您需要速度）。我还没有看到有经验的用户提出

numba

问题。