Python 通过多维阵列的所有一维子阵列进行迭代

在python中迭代n维数组的所有一维子数组的最快方法是什么

例如考虑三维数组：

import numpy as np 
a = np.arange(24)
a = a.reshape(2,3,4)

迭代器的期望收益序列为：

a[:,0,0]
a[:,0,1]
..
a[:,2,3]
a[0,:,0]
..
a[1,:,3]
a[0,0,:]
..
a[1,2,:]

---

你的朋友是

slice（）

对象，numpy的

ndarray.\uuu getitem\uuuuuuuuu（）

方法，可能还有

itertools.chain。从\u iterable

可能有一种更有效的方法，但这应该是可行的

import itertools
import numpy as np

a = np.arange(24)
a = a.reshape(2,3,4)

colon = slice(None)
dimensions = [range(dim) + [colon] for dim in a.shape]

for dim in itertools.product(*dimensions):
    if dim.count(colon) == 1:
        print a[dim]

这就产生了（我省去了一点小代码来打印这张照片的左侧…）：

这里的关键是，使用（例如）

a[0,0，：]

索引

a

相当于使用

a[（0,0，切片（无））]

索引a。（这只是一般的python切片，不是特定于numpy的。为了向自己证明这一点，您可以使用

\uuu getitem\uuuu

编写一个虚拟类，并在索引虚拟类实例时打印传入的内容。）

因此，我们想要的是0到nx、0到ny、0到nz等的所有可能组合，以及每个轴的

None

但是，我们需要1D数组，因此我们需要过滤掉任何多于或少于一个

无

（即我们不需要

a[：，：，：]

，

a[0，：，：]

，

a[0,0,0]

等）

希望这有点道理，无论如何

---

编辑：我假设确切的顺序无关紧要。。。如果您需要问题中列出的确切顺序，则需要修改此…

以下是此类迭代器的紧凑实现：

def iter1d(a):
    return itertools.chain.from_iterable(
        numpy.rollaxis(a, axis, a.ndim).reshape(-1, dim)
        for axis, dim in enumerate(a.shape))

这将按照您在帖子中给出的顺序生成子数组：

for x in iter1d(a):
    print x

印刷品

[ 0 12]
[ 1 13]
[ 2 14]
[ 3 15]
[ 4 16]
[ 5 17]
[ 6 18]
[ 7 19]
[ 8 20]
[ 9 21]
[10 22]
[11 23]
[0 4 8]
[1 5 9]
[ 2  6 10]
[ 3  7 11]
[12 16 20]
[13 17 21]
[14 18 22]
[15 19 23]
[0 1 2 3]
[4 5 6 7]
[ 8  9 10 11]
[12 13 14 15]
[16 17 18 19]
[20 21 22 23]

---

这里的诀窍是迭代所有轴，并为每个轴将阵列重塑为二维阵列，其中的行是所需的一维子阵列。

非常好！比我的解决方案优雅（高效）多了！我试图通过您个人资料中列出的.net网址向root用户发送电子邮件。如果你不想连接，那没关系。@FM:Actually

dim.count（None）

似乎比

sum（如果item为None，dim中的item为1）

：）更具可读性。还有一个建议：用

切片（None）替换
None
的前两次出现

并删除包含第三次出现的

None

@Sven的行-这一点很好！提醒我看曲棍球时不要回答问题。。。（加油！最后一个阶段真的是个钉子咬人！）我看到的一个问题是，循环生成的大约N个点中只有1个被实际使用。当N变大时，这可能是一个问题。考虑到这一点，对于我的特定应用程序来说，这可能不是一个严重的问题。（N是每个维度的点数）@fodon-确实如此。（这就是我说“可能有更有效的方法”时的意思）@Sven的解决方案避免了这一点，并且应该更快、更具可扩展性。斯文的绝对是一条路要走。唯一的缺点是，对于不熟悉numpy的人来说，它有点不可读。

[ 0 12]
[ 1 13]
[ 2 14]
[ 3 15]
[ 4 16]
[ 5 17]
[ 6 18]
[ 7 19]
[ 8 20]
[ 9 21]
[10 22]
[11 23]
[0 4 8]
[1 5 9]
[ 2  6 10]
[ 3  7 11]
[12 16 20]
[13 17 21]
[14 18 22]
[15 19 23]
[0 1 2 3]
[4 5 6 7]
[ 8  9 10 11]
[12 13 14 15]
[16 17 18 19]
[20 21 22 23]