Mentre il duplicato proposto Cosa fa l'oggetto Python Ellipsis? risponde alla domanda in un pythoncontesto generale , il suo utilizzo in un nditerciclo richiede, credo, informazioni aggiuntive.
https://docs.scipy.org/doc/numpy/reference/arrays.nditer.html#modifying-array-values
L'assegnazione regolare in Python cambia semplicemente un riferimento nel dizionario delle variabili locali o globali invece di modificare una variabile esistente sul posto. Ciò significa che la semplice assegnazione a x non inserirà il valore nell'elemento dell'array, ma piuttosto commuterà x dall'essere un riferimento all'elemento dell'array all'essere un riferimento al valore assegnato. Per modificare effettivamente l'elemento dell'array, x dovrebbe essere indicizzato con i puntini di sospensione.
Quella sezione include il tuo esempio di codice.
Quindi, nelle mie parole, le x[...] = ...modifiche xsul posto; x = ...avrebbe interrotto il collegamento alla nditervariabile e non lo avrebbe modificato. È come x[:] = ...ma funziona con array di qualsiasi dimensione (incluso 0d). In questo contesto xnon è solo un numero, è un array.
Forse la cosa più vicina a questa nditeriterazione, senza nditerè:
In [667]: for i, x in np.ndenumerate(a):
...: print(i, x)
...: a[i] = 2 * x
...:
(0, 0) 0
(0, 1) 1
...
(1, 2) 5
In [668]: a
Out[668]:
array([[ 0, 2, 4],
[ 6, 8, 10]])
Si noti che ho dovuto indicizzare e modificare a[i]direttamente. Non avrei potuto usare x = 2*x,. In questa iterazione xè uno scalare, e quindi non mutabile
In [669]: for i,x in np.ndenumerate(a):
...: x[...] = 2 * x
...
TypeError: 'numpy.int32' object does not support item assignment
Ma nel nditercaso xè un array 0d e mutabile.
In [671]: for x in np.nditer(a, op_flags=['readwrite']):
...: print(x, type(x), x.shape)
...: x[...] = 2 * x
...:
0 <class 'numpy.ndarray'> ()
4 <class 'numpy.ndarray'> ()
...
E poiché è 0d, x[:]non può essere utilizzato al posto dix[...]
----> 3 x[:] = 2 * x
IndexError: too many indices for array
Un'iterazione di array più semplice potrebbe anche fornire informazioni dettagliate:
In [675]: for x in a:
...: print(x, x.shape)
...: x[:] = 2 * x
...:
[ 0 8 16] (3,)
[24 32 40] (3,)
questo itera sulle righe (1 ° dim) di a. xè quindi un array 1d e può essere modificato con x[:]=...o x[...]=....
E se aggiungo il external_loopflag dalla sezione successiva , xora è un array 1d e x[:] =funzionerebbe. Ma x[...] =funziona ancora ed è più generale. x[...]viene utilizzato tutti gli altri nditeresempi.
In [677]: for x in np.nditer(a, op_flags=['readwrite'], flags=['external_loop']):
...: print(x, type(x), x.shape)
...: x[...] = 2 * x
[ 0 16 32 48 64 80] <class 'numpy.ndarray'> (6,)
Confronta questa semplice iterazione di riga (su un array 2d):
In [675]: for x in a:
...: print(x, x.shape)
...: x[:] = 2 * x
...:
[ 0 8 16] (3,)
[24 32 40] (3,)
questo itera sulle righe (1 ° dim) di a. xè quindi un array 1d e può essere modificato con x[:] = ...o x[...] = ....
Leggi e sperimenta questa nditerpagina fino alla fine. Di per sé, nditernon è così utile in python. Non accelera l'iterazione, non finché non si porta il codice a cython. np.ndindexè una delle poche numpyfunzioni non compilate che utilizza nditer.