web-dev-qa-db-ja.com

numpy.arrayの任意の次元を反復処理する

Numpy配列の任意の次元で反復子を取得する関数はありますか？

最初の次元の繰り返しは簡単です...

In [63]: c = numpy.arange(24).reshape(2,3,4)

In [64]: for r in c :
   ....:     print r
   ....: 
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]]

しかし、他の次元を反復することはより困難です。たとえば、最後の次元：

In [73]: for r in c.swapaxes(2,0).swapaxes(1,2) :
   ....:     print r
   ....: 
[[ 0  4  8]
 [12 16 20]]
[[ 1  5  9]
 [13 17 21]]
[[ 2  6 10]
 [14 18 22]]
[[ 3  7 11]
 [15 19 23]]

私は自分でこれを行うジェネレーターを作成していますが、これを自動的に行うnumpy.ndarray.iterdim（axis = 0）などの名前の関数がないことに驚いています。

pythonnumpyloops
53
AFoglia

提案するのは非常に高速ですが、より明確なフォームを使用すると読みやすさを改善できます。

_for i in range(c.shape[-1]):
    print c[:,:,i]
_

または、より良い（より速く、より一般的で、より明確に）：

_for i in range(c.shape[-1]):
    print c[...,i]
_

ただし、上記の最初のアプローチは、swapaxes()アプローチの約2倍遅いようです。

_python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for r in c.swapaxes(2,0).swapaxes(1,2): u = r'
100000 loops, best of 3: 3.69 usec per loop

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for i in range(c.shape[-1]): u = c[:,:,i]'
100000 loops, best of 3: 6.08 usec per loop

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for r in numpy.rollaxis(c, 2): u = r'
100000 loops, best of 3: 6.46 usec per loop
_

これはswapaxes()がデータをコピーせず、_c[:,:,i]_の処理が一般的なコード（_:_がより複雑なスライス）。

ただし、より明示的な2番目のソリューション_c[...,i]_は非常に読みやすく、非常に高速であることに注意してください。

_python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for i in range(c.shape[-1]): u = c[...,i]'
100000 loops, best of 3: 4.74 usec per loop
_
49
Eric O Lebigot

私は次のものを使用します：

_c = numpy.arange(2 * 3 * 4)
c.shape = (2, 3, 4)

for r in numpy.rollaxis(c, 2):
    print(r)
_

関数rollaxisは、配列に新しいビューを作成します。この場合、軸2を前に移動します。これはc.transpose(2, 0, 1)操作に相当します。

24
Eryk Sun

したがって、最初に示したように、1次元を簡単に反復処理できます。任意の次元でこれを行う別の方法は、numpy.rollaxis（）を使用して指定された次元を最初（デフォルトの動作）にし、返された配列（ビューであるため高速です）を反復子として使用することです。 。

In [1]: array = numpy.arange(24).reshape(2,3,4)

In [2]: for array_slice in np.rollaxis(array, 1):
   ....:     print array_slice.shape
   ....:
(2, 4)
(2, 4)
(2, 4)

編集：私はここでこれに対処するためにnumpyにPRを提出したとコメントします： https://github.com/numpy/numpy/pull/3262 。コンセンサスは、これはnumpyコードベースに追加するには不十分であるということでした。これを行うには、np.rollaxisを使用するのが最善の方法だと思います。インターレーターが必要な場合は、iter（）でラップします。

7
giessel

機能がないと思います。私が関数を書いたとき、私はEOLも提案した反復を採用することになりました。将来の読者のために、ここにあります：

def iterdim(a, axis=0) :
  a = numpy.asarray(a);
  leading_indices = (slice(None),)*axis
  for i in xrange(a.shape[axis]) :
    yield a[leading_indices+(i,)]
4
AFoglia

Numpy.shapeを使用して寸法を取得し、範囲を使用して寸法を反復できます。

n0, n1, n2 = numpy.shape(c)

for r in range(n0):
    print(c[r,:,:])
0
rbfontana