nditer—numpy.ndarray 多维数组的迭代操作

>>> a = np.arange(6).reshape(2,3)
>>> for x in np.nditer(a):
...     print x,
...
0 1 2 3 4 5

>>> for x in np.nditer(a.T):
...     print x,
...
0 1 2 3 4 5
>>> for x in np.nditer(a.T.copy(order='C')):
...     print x,
...
0 3 1 4 2 5

for x in np.nditer(a, order='F'):Fortran order，也即是列序优先；
for x in np.nditer(a.T, order='C'):C order，也即是行序优先；

>>> a
array([[0, 1, 2],
       [3, 4, 5]])
>>> for x in np.nditer(a, op_flags=['readwrite']):
...     x[...] = 2 * x
...
>>> a
array([[ 0,  2,  4],
       [ 6,  8, 10]])

>>> a = np.arange(6).reshape(2,3)
>>> for x in np.nditer(a, flags=['external_loop']):
...     print x,
...
[0 1 2 3 4 5]
>>>
>>> for x in np.nditer(a, flags=['external_loop'], order='F'):
...     print x,
...
[0 3] [1 4] [2 5]

>>> a = np.arange(6).reshape(2,3)
>>> a
array([[0, 1, 2],
       [3, 4, 5]])
>>> it = np.nditer(a, flags=['f_index'])
>>> while not it.finished:
...     print "%d <%d>" % (it[0], it.index),
...     it.iternext()
...
0 <0> 1 <2> 2 <4> 3 <1> 4 <3> 5 <5>
            # 索引的编号，以列序优先

>>> it = np.nditer(a, flags=['multi_index'])
>>> while not it.finished:
...     print "%d <%s>" % (it[0], it.multi_index),
...     it.iternext()
...
0 <(0, 0)> 1 <(0, 1)> 2 <(0, 2)> 3 <(1, 0)> 4 <(1, 1)> 5 <(1, 2)>

# Create an array.
np.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
np.ndarray(shape, dtype=float, buffer=None, offset=0, strides=None, order=None)

>>> np.array([1, 2, 3])
array([1, 2, 3])
>>> np.array([1, 2, 3.0])
array([ 1., 2., 3.])
>>> np.array([[1, 2], [3, 4]])
array([[1, 2],
[3, 4]])
>>> np.array([1, 2, 3], ndmin=2)
array([[1, 2, 3]])
>>> np.array([1, 2, 3], dtype=complex)
array([ 1.+0.j, 2.+0.j, 3.+0.j])
>>> x = np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i4')])
>>> x['a']
array([1, 3])
>>> np.array(np.mat('1 2; 3 4'))
array([[1, 2],
[3, 4]])
>>> np.array(np.mat('1 2; 3 4'), subok=True)
matrix([[1, 2],
[3, 4]])
>>> np.ndarray(shape=(2,2), dtype=float, order='F')
array([[ -1.13698227e+002, 4.25087011e-303],
[ 2.88528414e-306, 3.27025015e-309]])  #random
>>> np.ndarray((2,), buffer=np.array([1,2,3]),
offset=np.int_().itemsize,
dtype=int)         # offset = 1 * itemsize, i.e. skip first element
array([2, 3])

   方法        描   述
| ndarray.flags  | 有关数组内存布局的信息。     
| ndarray.shape  | 数组维度的元组。       
| ndarray.strides  | 遍历数组时每个维度中的字节元组。   
| ndarray.ndim  | 数组维数。        
| ndarray.data  | Python缓冲区对象指向数组的数据的开头。  
| ndarray.size  | 数组中的元素数。       
| ndarray.itemsize | 一个数组元素的长度，以字节为单位。   
| ndarray.nbytes  | 数组元素消耗的总字节数。     
| ndarray.base  | 如果内存来自其他对象，则为基础对象。

   方法   |  描   述
| ndarray.dtype  | 数组元素的数据类型。     

   方法   |  描   述
| ndarray.T   | 转置数组。        
| ndarray.real  | 数组的真实部分。       
| ndarray.imag  | 数组的虚部。        
| ndarray.flat  | 数组上的一维迭代器。      
| ndarray.ctypes  | 一个简化数组与ctypes模块交互的对象。  

       方法            |          描   述 
| eye(N[, M, k, dtype, order])       | 返回一个二维数组，对角线上有一个，其他地方为零
| identity(n[, dtype])         | 返回标识数组。 
| ones(shape[, dtype, order])       | 返回给定形状和类型的新数组，并填充为1
| ones_like(a[, dtype, order, subok, shape])    | 返回形状与类型与给定数组相同的数组。
| zeros(shape[, dtype, order])       | 返回给定形状和类型的新数组，并用零填充。
| zeros_like(a[, dtype, order, subok, shape])   | 返回形状与类型与给定数组相同的零数组。 
| full(shape, fill_value[, dtype, order])    | 返回给定形状和类型的新数组，并用fill_value填充
| full_like(a, fill_value[, dtype, order, …])   | 返回形状和类型与给定数组相同的完整数组
| empty(shape[, dtype, order])       | 返回给定形状和类型的新数组，而无需初始化条目
| empty_like(prototype[, dtype, order, subok, …])  | 返回形状和类型与给定数组相同的新数组

|      方法                       |   描   述 
|  arange([start,] stop[, step,][, dtype])     | 返回给定间隔内的均匀间隔的值。
|  linspace(start, stop[, num, endpoint, …])     | 返回指定间隔内的等间隔数字。
|  logspace(start, stop[, num, endpoint, base, …])  |  返回数以对数刻度均匀分布。  
|  geomspace(start, stop[, num, endpoint, …])    | 返回数字以对数刻度（几何级数）均匀分布。       
|  meshgrid(*xi, **kwargs)         | 从坐标向量返回坐标矩阵。 
| mgridnd_grid            | 实例，它返回一个密集的多维 “meshgrid”
| ogridnd_grid            | 实例，它返回一个开放的多维 “meshgrid”
        

      方法            描   述
| array(object[, dtype, copy, order, subok, ndmin]) | 创建一个数组
| asarray(a[, dtype, order])       | 将输入转换为数组
| asanyarray(a[, dtype, order])      | 将输入转换为ndarray，但通过ndarray子类
| ascontiguousarray(a[, dtype])      | 返回内存中的连续数组（ndim > = 1）（C顺序）
| asmatrix(data[, dtype])        | 将输入解释为矩阵
| copy(a[, order])         | 返回给定对象的数组副本
| frombuffer(buffer[, dtype, count, offset])   | 将缓冲区解释为一维数组
| fromfile(file[, dtype, count, sep, offset])   | 根据文本或二进制文件中的数据构造一个数组
| fromfunction(function, shape, **kwargs)    | 通过在每个坐标上执行一个函数来构造一个数组
| fromiter(iterable, dtype[, count])     | 从可迭代对象创建一个新的一维数组
| fromstring(string[, dtype, count, sep])    | 从字符串中的文本数据初始化的新一维数组
| loadtxt(fname[, dtype, comments, delimiter, …])  | 从文本文件加载数据

    方法                                 |     描 述  
| mat(data[, dtype])           | 将输入解释为矩阵
| bmat(obj[, ldict, gdict])         | 从字符串，嵌套序列或数组构建矩阵对象
|  tril(m[, k])           |  数组的下三角。                               
|  triu(m[, k])           |  数组的上三角。                               
|  vander(x[, N, increasing])        | 生成范德蒙矩阵        
|  diag(v[, k])           |  提取对角线或构造对角线数组。                 
|  diagflat(v[, k])          |  使用展平的输入作为对角线创建二维数组。       
|  tri(N[, M, k, dtype])         |  在给定对角线处及以下且在其他位置为零的数组。