Itérer sur un tableau numpy

Existe-t-il une alternative moins verbeuse à ceci:

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

Je suis venu avec ceci:

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

Ce qui économise une indentation, mais reste assez moche.

J'espère quelque chose qui ressemble à ce pseudocode:

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

Est-ce que quelque chose comme ça existe?

Je pense que vous recherchez le ndenumerate .

>>> 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

Concernant la performance. C'est un peu plus lent qu'une compréhension de liste.

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

Si vous êtes préoccupé par les performances, vous pouvez optimiser un peu plus en regardant l'implémentation de ndenumerate, qui fait 2 choses, la conversion en tableau et la mise en boucle. Si vous savez que vous avez un tableau, vous pouvez appeler l' .coordsattribut de l'itérateur plat.

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

Si vous n'avez besoin que des indices, vous pouvez essayer 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)]

voir 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 = 3ne fonctionnerait pas, utiliser y *= 0et à la y += 3place.