Python 在不使用nditer的情况下，用numpy迭代两个数组？

考虑

numpy

数组的规范，该规范通常用于指定

matplotlib

打印数据：

t = np.arange(0.0,1.5,0.25)
s = np.sin(2*np.pi*t) 

基本上，它存储数组中

t

中

（x，y）

数据点的

x

坐标；以及数组

s

中得到的

y

坐标（y=f（x）的结果，在本例中为

sin（x）

）。然后，使用

numpy.nditer

函数可以非常方便地获得

t

和

s

中的连续条目对，表示数据点的

（x，y）

坐标，如下所示：

for x, y in np.nditer([t,s]):
  print("xy: %f:%f" % (x,y))

因此，我尝试以下代码片段作为

test.py

：

import numpy as np
print("numpy version {0}".format(np.__version__))
t = np.arange(0.0,1.5,0.25)   ; print("t", ["%+.2e"%i for i in t])
s = np.sin(2*np.pi*t)         ; print("s", ["%+.2e"%i for i in s])
print("i", ["% 9d"%i for i in range(0, len(t))])
for x, y in np.nditer([t,s]):
  print("xy: %f:%f" % (x,y))

。。。结果是：

$ python3.2 test.py 
numpy version 1.7.0
t ['+0.00e+00', '+2.50e-01', '+5.00e-01', '+7.50e-01', '+1.00e+00', '+1.25e+00']
s ['+0.00e+00', '+1.00e+00', '+1.22e-16', '-1.00e+00', '-2.45e-16', '+1.00e+00']
i ['        0', '        1', '        2', '        3', '        4', '        5']
xy: 0.000000:0.000000
xy: 0.250000:1.000000
xy: 0.500000:0.000000
xy: 0.750000:-1.000000
xy: 1.000000:-0.000000
xy: 1.250000:1.000000

$ python2.7 test.py 
numpy version 1.5.1
('t', ['+0.00e+00', '+2.50e-01', '+5.00e-01', '+7.50e-01', '+1.00e+00', '+1.25e+00'])
('s', ['+0.00e+00', '+1.00e+00', '+1.22e-16', '-1.00e+00', '-2.45e-16', '+1.00e+00'])
('i', ['        0', '        1', '        2', '        3', '        4', '        5'])
Traceback (most recent call last):
  File "test.py", line 10, in <module>
    for x, y in np.nditer([t,s]):
AttributeError: 'module' object has no attribute 'nditer'

。。。这似乎很管用

$ python2.7 test.py 
numpy version 1.5.1
('t', ['+0.00e+00', '+2.50e-01', '+5.00e-01', '+7.50e-01', '+1.00e+00', '+1.25e+00'])
('s', ['+0.00e+00', '+1.00e+00', '+1.22e-16', '-1.00e+00', '-2.45e-16', '+1.00e+00'])
('i', ['        0', '        1', '        2', '        3', '        4', '        5'])
xyIt: 0.000000:0.000000
xyIt: 0.250000:1.000000
xyIt: 0.500000:0.000000
xyIt: 0.750000:-1.000000
xyIt: 1.000000:-0.000000
xyIt: 1.250000:1.000000
Traceback (most recent call last):
  File "test.py", line 23, in <module>
    for x, y in np.nditer([t,s]):
AttributeError: 'module' object has no attribute 'nditer'
$ python3.2 test.py 
numpy version 1.7.0
t ['+0.00e+00', '+2.50e-01', '+5.00e-01', '+7.50e-01', '+1.00e+00', '+1.25e+00']
s ['+0.00e+00', '+1.00e+00', '+1.22e-16', '-1.00e+00', '-2.45e-16', '+1.00e+00']
i ['        0', '        1', '        2', '        3', '        4', '        5']
xyIt: 0.000000:0.000000
xyIt: 0.250000:1.000000
xyIt: 0.500000:0.000000
xyIt: 0.750000:-1.000000
xyIt: 1.000000:-0.000000
xyIt: 1.250000:1.000000
xynd: 0.000000:0.000000
xynd: 0.250000:1.000000
xynd: 0.500000:0.000000
xynd: 0.750000:-1.000000
xynd: 1.000000:-0.000000
xynd: 1.250000:1.000000

$python2.7 test.py
numpy版本1.5.1
（‘t’、[‘0.00e+00’、‘2.50e-01’、‘5.00e-01’、‘7.50e-01’、‘1.00e+00’、‘1.25e+00’）
（“s”、[“+0.00e+00”、“+1.00e+00”、“+1.22e-16”、“-1.00e+00”、“-2.45e-16”、“+1.00e+00”]）
（'i'，['0'，'1'，'2'，'3'，'4'，'5']）
xyIt:0.000000:0.000000
xyIt:0.250000:1.000000
xyIt:0.500000:0.000000
xyIt:0.750000:-1.000000
xyIt:1.000000:-0.000000
xyIt:1.250000:1.000000
回溯（最近一次呼叫最后一次）：
文件“test.py”，第23行，在
对于np.nditer（[t，s]）中的x，y：
AttributeError:“模块”对象没有属性“nditer”
$python3.2 test.py
numpy版本1.7.0
t['+0.00e+00'、'+2.50e-01'、'+5.00e-01'、'+7.50e-01'、'+1.00e+00'、'+1.25e+00']
s['+0.00e+00'、'+1.00e+00'、'+1.22e-16'、'-1.00e+00'、'-2.45e-16'、'+1.00e+00']
i['0'、'1'、'2'、'3'、'4'、'5']
xyIt:0.000000:0.000000
xyIt:0.250000:1.000000
xyIt:0.500000:0.000000
xyIt:0.750000:-1.000000
xyIt:1.000000:-0.000000
xyIt:1.250000:1.000000
xynd:0.000000:0.000000
xynd:0.250000:1.000000
xynd:0.500000:0.000000
xynd:0.750000:-1.000000
xynd:1.000000:-0.000000
xynd:1.250000:1.000000

我的问题是——在numpy<1.6.0版本中，这种迭代应该这样做吗？

将两个向量合并到一个数组中如何：

for x,y in np.c_[t,s]:
    print("xy: %f:%f" % (x,y))

这给

xy: 0.000000:0.000000
xy: 0.250000:1.000000
xy: 0.500000:0.000000
xy: 0.750000:-1.000000
xy: 1.000000:-0.000000
xy: 1.250000:1.000000

如果要进行迭代以节省内存，可以使用以下函数：

for x,y in itertools.izip(t,s):
    print("xy: %f:%f" % (x,y))

邮政编码为x，y（t，s）：。对于1d阵列，它真的很简单

已验证可在Python 2和Python 3中工作。zip（）返回Python2上的列表，正如DiggyF所建议的，

itertools.izip（）

可能更适合大型数组

对于>1D数组，迭代将通过最后一个维度返回（N-1）D数组。如果您必须处理N-d阵列，这可能是您想要的，也可能不是您想要的

无论如何，它无疑是可移植的，在数组对象上迭代是为了支持这种用例：）

这对我来说很有效

x = x.flatten()
y = y.flatten()
for i,j in zip(x,y):
     #do something

x = x.flatten()
y = y.flatten()
for i,j in zip(x,y):
     #do something