Iterazione su un array intorpidito

Esiste un'alternativa meno dettagliata a questo:

for x in xrange(array.shape[0]):
    for y in xrange(array.shape[1]):
        do_stuff(x, y)

Ho pensato a questo:

for x, y in itertools.product(map(xrange, array.shape)):
    do_stuff(x, y)

Il che salva un rientro, ma è ancora piuttosto brutto.

Spero in qualcosa che assomigli a questo pseudocodice:

for x, y in array.indices:
    do_stuff(x, y)

Esiste qualcosa del genere?

Penso che tu stia cercando il ndenumerato .

>>> a =numpy.array([[1,2],[3,4],[5,6]])
>>> for (x,y), value in numpy.ndenumerate(a):
...  print x,y
... 
0 0
0 1
1 0
1 1
2 0
2 1

Per quanto riguarda le prestazioni. È un po 'più lento di una comprensione dell'elenco.

X = np.zeros((100, 100, 100))

%timeit list([((i,j,k), X[i,j,k]) for i in range(X.shape[0]) for j in range(X.shape[1]) for k in range(X.shape[2])])
1 loop, best of 3: 376 ms per loop

%timeit list(np.ndenumerate(X))
1 loop, best of 3: 570 ms per loop

Se sei preoccupato per le prestazioni, puoi ottimizzare un po 'di più osservando l'implementazione di ndenumerate, che fa 2 cose, convertendole in un array e eseguendo il loop. Se sai di avere un array, puoi chiamare l' .coordsattributo dell'iteratore flat.

a = X.flat
%timeit list([(a.coords, x) for x in a.flat])
1 loop, best of 3: 305 ms per loop

Se hai solo bisogno degli indici, puoi provare numpy.ndindex:

>>> a = numpy.arange(9).reshape(3, 3)
>>> [(x, y) for x, y in numpy.ndindex(a.shape)]
[(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2), (2, 0), (2, 1), (2, 2)]

vedi nditer

import numpy as np
Y = np.array([3,4,5,6])
for y in np.nditer(Y, op_flags=['readwrite']):
    y += 3

Y == np.array([6, 7, 8, 9])

y = 3non funzionerebbe, userebbe y *= 0e y += 3invece.