Question

说我有一个3D numpy.array，例如对于尺寸x y z，有没有办法沿特定轴迭代切片？类似的东西：

for layer in data.slices(dim=2):
    # do something with layer

编辑：为了澄清，该示例是dim = 3数组，即shape =（len_x，len_y，len_z）。 Elazar和等效的kamjagin解决方案有效，但不是那么通用 - 你必须手工构建[:, :, i]，这意味着你需要知道尺寸，而且代码不够通用，无法处理任意尺寸的数组。您可以使用[..., :]之类的内容来填充缺失的维度，但您仍然需要自己构建它。

对不起，应该更清楚一点，这个例子有点太简单了！

Answer 1

迭代第一维很容易，见下文。要迭代其他维度，请将该维度滚到前面并执行相同的操作：

>>> data = np.arange(24).reshape(2, 3, 4)
>>> for dim_0_slice in data: # the first dimension is easy
...     print dim_0_slice
... 
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]]
>>> for dim_1_slice in np.rollaxis(data, 1): # for the others, roll it to the front
...     print dim_1_slice
... 
[[ 0  1  2  3]
 [12 13 14 15]]
[[ 4  5  6  7]
 [16 17 18 19]]
[[ 8  9 10 11]
 [20 21 22 23]]
>>> for dim_2_slice in np.rollaxis(data, 2):
...     print dim_2_slice
... 
[[ 0  4  8]
 [12 16 20]]
[[ 1  5  9]
 [13 17 21]]
[[ 2  6 10]
 [14 18 22]]
[[ 3  7 11]
 [15 19 23]]

编辑一些时间，比较大型阵列的不同方法：

In [7]: a = np.arange(200*100*300).reshape(200, 100, 300)

In [8]: %timeit for j in xrange(100): a[:, j]
10000 loops, best of 3: 60.2 us per loop

In [9]: %timeit for j in xrange(100): a[:, j, :]
10000 loops, best of 3: 82.8 us per loop

In [10]: %timeit for j in np.rollaxis(a, 1): j
10000 loops, best of 3: 28.2 us per loop

In [11]: %timeit for j in np.swapaxes(a, 0, 1): j
10000 loops, best of 3: 26.7 us per loop

Answer 2

这可能比这更优雅地解决了，但如果你事先知道昏暗（例如2），那么这样做的一种方法是：

for i in range(data.shape[dim]):
    layer = data[:,:,i]

或如果dim = 0

for i in range(data.shape[dim]):
    layer = data[i,:,:]

等

Answer 3

类似的东西？

>>> data = np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> for layer in [data[:,i] for i in range(3)]:
...     print layer
... 
[1 4 7]
[2 5 8]
[3 6 9]

Answer 4

如果我错了，请纠正我，但在我看来，你的3D阵列看起来像是：

>>> my_array.shape
    (3,N)

其中N是数组的大小。因此，如果您想迭代一个维度，您可以这样做：

>>> for item in my_array[1,:]:

这将迭代第二维。

迭代ndarray的切片

4 个答案: