Python 在numpy数组的二维上使用izip

我有以下资料：

for i in xrange(n):
    label = labels[i]
    frame = data[:, i]
    dostuff()

其中数据为二维

numpy

数组。我想用

izip

重写它

for label, frame in izip(labels, ???):
    dostuff()

我应该用什么来替换

？

，以使其正常工作？

您可以使用：

  ??? = numpy.transpose(data)

编辑：删除第二个版本。因为转置不会像我假设的那样复制数组，所以没有理由像我这样疯狂。

您可以使用：

  ??? = numpy.transpose(data)

---

编辑：删除第二个版本。因为transpose不会像我假设的那样复制数组，所以没有理由像我这样做。

如果您真的想使用

izip（）

，您可以这样做：

for label, frame in izip(labels, data.T):
    dostuff()

---

通常建议不要使用Python循环迭代NumPy数组，而是使用C代码进行循环。如何做到这一点，取决于

dostuff（）

实际做了什么。

如果您确实想使用

izip（）

，您可以这样做：

for label, frame in izip(labels, data.T):
    dostuff()

---

通常建议不要使用Python循环迭代NumPy数组，而是使用C代码进行循环。如何做到这一点，取决于

dostuff（）

实际做了什么。

什么是dostuff（），即它可以在numpy中实现吗ufuncs@vincent，不，不幸的是dostuff（）不能在numpy中实现。什么是dostuff（），即它可以在numpy中实现吗ufuncs@vincent，没有dostuff（）很遗憾，无法在numpy中完成。在切片numpy数组时，多个

省略号
对象将不会产生预期的结果--第一个对象将消耗所有剩余维度。您可能是指
slice（None）
，但即使这样，函数
iterate_axis（）
也会比直接使用NumPy慢。@Sven Marnach，我使用省略号表示意外结果，因为我不确定如何生成：slice。我猜这就是slice（None）所代表的意思？是的，
data[slice（None）]
相当于
data[：]
@Sven Marnach，谢谢。我以前从不需要它，但现在我知道怎么做了！在对NumPy数组进行切片时，多个
省略号
对象不会产生预期的结果——第一个对象将消耗所有剩余维度。您可能是指
slice（None）
，但即使这样，函数
iterate_axis（）
也会比直接使用NumPy慢。@Sven Marnach，我使用省略号表示意外结果，因为我不确定如何生成：slice。我猜这就是slice（None）所代表的意思？是的，
data[slice（None）]
相当于
data[：]
@Sven Marnach，谢谢。我以前从不需要它，但现在我知道怎么做了！data.T操作是创建一个新数组（一个缓慢的操作），还是仅仅改变了您访问数据的方式？我的数据数组太大了。@Jeff:
data.T
将创建一个新的数组对象，它与
data
共享相同的数据。您的数据不会被复制。data.t操作是创建一个新数组（一个缓慢的操作），还是仅仅改变了您访问数据的方式？我的数据数组太大了。@Jeff:
data.T
将创建一个新的数组对象，它与
data
共享相同的数据。您的数据将不会被复制。