numpy.lib.Arrayterator

原文：https://docs.scipy.org/doc/numpy/reference/generated/numpy.lib.Arrayterator.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

class numpy.lib.Arrayterator(var, buf_size=None)[source]

大数组的缓冲迭代器。

Arrayterator创建一个缓冲迭代器，用于在小连续块中读取大数组。该类对存储在文件系统中的对象很有用。它允许对象上的迭代，而不用读取内存中的所有内容；相反，小块被读取和迭代。

Arrayterator可用于支持多维切片的任何对象。这包括NumPy数组，但也包括来自Scientific.IO.NetCDF或pynetcdf的变量。

参数：	var：array_like 要迭代的对象。 buf_size：int，可选 缓冲区大小。如果提供buf_size，则将读入存储器的最大数据量为buf_size元素。默认值为None，这将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

平数组迭代器。

memmap

创建存储在磁盘上的二进制文件中的数组的内存映射。

笔记

该算法通过首先找到“运行维度”来工作，沿着该运行维度将提取块。给定尺寸为（d1， d2， ...， dn） t0 >，例如如果buf_size小于d1，则将使用第一个维度。另一方面，如果d1 buf_size d1 * d2 将使用第二个维度，以此类推。沿此维提取块，并且当返回最后一个块时，过程从下一维继续，直到已读取所有元素。

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，因此第一个维度将首先迭代：

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

属性

shape	要迭代的数组的形状。
flat	Arrayterator对象的1-D平面迭代器。

var
buf_size
开始
停止
步