numpy.lib.Arrayterator

类 numpy.lib。Arrayterator ( var , buf_size = None )

用于大数组的缓冲迭代器。

Arrayterator创建一个缓冲迭代器，用于读取小连续块中的大数组。该类对于存储在文件系统中的对象很有用。它允许对对象进行迭代，而无需读取内存中的所有内容；相反，读取并迭代小块。

Arrayterator可以与任何支持多维切片的对象一起使用。这包括 NumPy 数组，还包括来自 Scientific.IO.NetCDF 或 pynetcdf 的变量。

参数：

var类似数组

要迭代的对象。

buf_size int，可选

缓冲区大小。如果提供buf_size，则读入内存的最大数据量为buf_size元素。默认值为 None，它将把尽可能多的元素读入内存。

也可以看看

ndenumerate

多维数组迭代器。

flatiter

平面数组迭代器。

memmap

创建到存储在磁盘上的二进制文件中的数组的内存映射。

笔记

该算法的工作原理是首先找到一个“运行维度”，沿着该维度提取块。给定一个维度数组 ，例如，如果buf_size小于，则将使用第一个维度。另一方面，如果 将使用第二维，依此类推。沿着这个维度提取块，当返回最后一个块时，该过程从下一个维度继续，直到读取了所有元素。(d1, d2, ..., dn)d1d1 < buf_size < d1*d2

例子

>>> a = np.arange(3 * 4 * 5 * 6).reshape(3, 4, 5, 6)
>>> a_itor = np.lib.Arrayterator(a, 2)
>>> a_itor.shape
(3, 4, 5, 6)

现在我们可以迭代a_itor，它将返回大小为 2 的数组。由于buf_size小于任何维度，因此将首先迭代第一个维度：

>>> for subarr in a_itor:
...     if not subarr.all():
...         print(subarr, subarr.shape) 
>>> # [[[[0 1]]]] (1, 1, 1, 2)

属性：

变量

缓冲区大小

开始

停止

步

shape

要迭代的数组的形状。

flat

Arrayterator 对象的一维平面迭代器。