Iterieren Sie über Zeilen eines Numpy-Arrays in Python

Vaibhhav Khetarpal 20 Juni 2023
  1. Verwenden Sie eine verschachtelte for-Schleife, um Zeilen eines Numpy-Arrays in Python zu durchlaufen
  2. Verwenden Sie eine for-Schleife und die flatten()-Funktion, um Zeilen eines Numpy-Arrays in Python zu durchlaufen
  3. Verwenden Sie die Funktion apply_along_axis(), um Zeilen eines Numpy-Arrays in Python zu durchlaufen
Iterieren Sie über Zeilen eines Numpy-Arrays in Python

Python verwendet hauptsächlich die Bibliothek NumPy, um die Implementierung von Arrays in seinem Code zu ermöglichen; diese Arrays können n-dimensional sein. Das Iterieren über die Elemente eines Arrays ist eines der wenigen Dinge, auf die ein Programmierer bei der Implementierung von Arrays stoßen kann.

Dieses Tutorial zeigt, wie man in Python über Zeilen eines NumPy-Arrays iteriert.

Das Konzept von Zeilen und Spalten existiert nicht in einem eindimensionalen Array; Daher werden wir Arrays mit mindestens zwei Dimensionen diskutieren. Die meisten Methoden und Implementierungen in diesem Artikel würden auf einem zweidimensionalen Array ausgeführt.

Verwenden Sie eine verschachtelte for-Schleife, um Zeilen eines Numpy-Arrays in Python zu durchlaufen

Um die Elemente einer einzelnen Zeile zu iterieren, können wir möglicherweise nur die for-Schleife verwenden. Um jedoch über mehrere Zeilen eines NumPy-Arrays zu iterieren, müssen wir die for-Schleife verschachteln.

Die Arbeitsweise ist unkompliziert, und der Code verwendet verschachtelte for-Schleifen, um auf alle Elemente eines Arrays zeilenweise zuzugreifen und sie zu durchlaufen.

Der folgende Code verwendet eine verschachtelte for-Schleife, um Zeilen eines NumPy-Arrays in Python zu durchlaufen.

import numpy as np

x = np.matrix([[21, 22, 23], [24, 25, 26], [27, 28, 29]])
for row in x:
    print(str(row))

Der obige Code liefert die folgende Ausgabe:

[[21 22 23]]
[[24 25 26]]
[[27 28 29]]

Hier haben wir den Befehl print verwendet, um jede Zeile zu drucken. Wenn mehr Details angegeben sind, dann kann jede Funktion auch über die Zeilen eines NumPy-Arrays implementiert werden.

Verwenden Sie eine for-Schleife und die flatten()-Funktion, um Zeilen eines Numpy-Arrays in Python zu durchlaufen

Anstatt die for-Schleife zu verschachteln, können wir einen alternativen Weg einschlagen, der die Funktion flatten() verwendet, um Zeilen eines NumPy-Arrays in Python zu durchlaufen. Die Funktion flatten() kann ein zweidimensionales Array in ein eindimensionales umwandeln, was es ermöglicht, das gewünschte Ergebnis zu erhalten, indem man die for-Schleife nur einmal im Programm anwendet.

Der folgende Code verwendet eine for-Schleife und die Funktion flatten(), um Zeilen eines NumPy-Arrays in Python zu durchlaufen.

import numpy as np

x = np.matrix([[21, 22, 23], [24, 25, 26], [27, 28, 29]])
for cell in x.flatten():
    print(cell, end=" ")

Der obige Code liefert die folgende Ausgabe:

[[21 22 23 24 25 26 27 28 29]]

Verwenden Sie die Funktion apply_along_axis(), um Zeilen eines Numpy-Arrays in Python zu durchlaufen

Die Bibliothek NumPy stellt die Funktion NumPy.apply_along_axis() bereit, die eine Funktion auf die Elemente eines Arrays entlang einer beliebigen vom Programmierer angegebenen Achse anwenden kann. Die Funktion apply_along_axis() hat eine einfache Syntax, die die Funktion, die der Programmierer implementieren muss, die angegebene Achse und das Array, auf dem die Implementierung erfolgen muss, umfasst.

Der folgende Code verwendet die Funktion apply_along_axis(), um Zeilen eines NumPy-Arrays in Python zu durchlaufen.

import numpy as np

x = np.matrix([[21, 22, 23], [24, 25, 26], [27, 28, 29]])


def myfunction(a):
    return a


print(np.apply_along_axis(myfunction, axis=1, arr=x))

Der obige Code liefert die folgende Ausgabe:

[[21 22 23]
 [24 25 26]
 [27 28 29]]
Vaibhhav Khetarpal avatar Vaibhhav Khetarpal avatar

Vaibhhav is an IT professional who has a strong-hold in Python programming and various projects under his belt. He has an eagerness to discover new things and is a quick learner.

LinkedIn

Verwandter Artikel - NumPy Array