Python np.nditer中的订单='；C'；和标志=['；外部#u循环'；]

我正在研究Numpy，我有以下问题

如果我们这样做

a = np.arange(6).reshape(2,3)

然后

如果我们使用

for x in np.nditer(a,flags=['external_loop'],order='F'):
    print(x,end=' ')

for x in np.nditer(a,flags=['external_loop'],order='C'):
    print(x,end=' ')

输出是

[0 3] [1 4] [2 5] 

[0 1 2 3 4 5] 

这是有道理的。但是如果我们使用

for x in np.nditer(a,flags=['external_loop'],order='F'):
    print(x,end=' ')

for x in np.nditer(a,flags=['external_loop'],order='C'):
    print(x,end=' ')

输出是

[0 3] [1 4] [2 5] 

[0 1 2 3 4 5] 

我无法解释。我本以为结果会是这样的

[0 1 2] [3 4 5]

Numpy是否将[0 1 2]和[3 4 5]合并，因为它们是连续存储在内存中的？

根据： 请注意，默认情况下保持本机内存顺序，迭代器可以提供单个一维块，而强制Fortran顺序时，它必须提供三个块，每个块包含两个元素

要更好地理解数组顺序的重要性，请查看以下示例：

a = np.arange(6).reshape(2,3)
#by default `a` is of order `C`

for x in np.nditer(a,flags=['external_loop'],order='F'):
    print(x,end=' ')
#[0 3] [1 4] [2 5] 
for x in np.nditer(a,flags=['external_loop'],order='C'):
    print(x,end=' ')
#[0 1 2 3 4 5]

现在，我们将

a

的顺序更改为

F

，看看会发生什么：

a = np.array(a,order='F')

for x in np.nditer(a,flags=['external_loop'],order='F'):
    print(x,end=' ')
#[0 3 1 4 2 5] 
for x in np.nditer(a,flags=['external_loop'],order='C'):
    print(x,end=' ')
#[0 1 2] [3 4 5]

---

是的，数组的数据缓冲区是一个连续的c`array。

nditer

如果继续在c或cython代码中使用，则主要是有价值的。我还没有看到它在python代码中提高性能的证据。所以不要花太多时间去掌握它。非常感谢。这就把事情弄清楚了一点。原始数组的存储顺序显然很重要。@NachiketGokhale这正是教程所说的。只要您在nditer中的顺序与数组的本机顺序相同，它将提供单个1-D元素数组。如果nditer的顺序不同于数组的顺序，那么它将返回每个1-D的块。