假设我有 m x n 数组。我想将此数组的每一列传递给一个函数以对整个列执行一些操作。如何遍历数组的列？
例如，我有一个 4 x 3 数组
1 99 2
2 14 5
3 12 7
4 43 1
for column in array:
some_function(column)
其中列在第一次迭代中为“1,2,3,4”，第二次为“99,14,12,43”，第三次为“2,5,7,1”。
【问题讨论】：
只需遍历数组的转置：
for column in array.T:
some_function(column)
【讨论】：
array.T 并不昂贵，因为它只是改变了array 的“步伐”（请参阅this answer 进行有趣的讨论）
这应该给你一个开始
>>> for col in range(arr.shape[1]):
some_function(arr[:,col])
[1 2 3 4]
[99 14 12 43]
[2 5 7 1]
【讨论】：
您也可以使用 unzip 来遍历列
for col in zip(*array):
some_function(col)
【讨论】：
对于三维数组，您可以尝试：
for c in array.transpose(1, 0, 2):
do_stuff(c)
请参阅有关 array.transpose 工作原理的文档。基本上，您正在指定要移动的维度。在这种情况下，我们将第二个维度（例如列）转移到第一个维度。
【讨论】：
for c in np.hsplit(array, array.shape[1]):
some_fun(c)
【讨论】：
例如，您想找到矩阵中每一列的平均值。让我们创建以下矩阵
mat2 = np.array([1,5,6,7,3,0,3,5,9,10,8,0], dtype=np.float64).reshape(3, 4)
平均值的函数是
def my_mean(x):
return sum(x)/len(x)
执行所需的操作并将结果存储在冒号向量“结果”中
results = np.zeros(4)
for i in range(0, 4):
mat2[:, i] = my_mean(mat2[:, i])
results = mat2[1,:]
结果是： 数组([4.33333333, 5., 5.66666667, 4.])
【讨论】：
这个问题很老，但对于现在看的人来说。
您可以像这样遍历 numpy 数组的行：
for row in array:
some_function(row) # do something here
所以要遍历二维数组的列，您可以像这样简单地转置它：
transposed_array = array.T
#Now you can iterate through the columns like this:
for column in transposed_array:
some_function(column) # do something here
例如，如果你想将每一列的结果收集到一个列表中，你可以使用列表推导。
[some_function(column) for column in array.T]
因此，总而言之，您可以对数组的每一列执行一个函数，并使用这行代码将结果收集到一个列表中：
result_list = [some_function(column) for column in array.T]
【讨论】：
或者，您可以使用enumerate。它还为您提供列号和列值。
for num, column in enumerate(array.T):
some_function(column) # column: Gives you the column value as asked in the question
some_function(num) # num: Gives you the column number
【讨论】：
列表 -> 数组 -> 矩阵 -> 矩阵.T
import numpy as np
list = [1, 99, 2, 2, 14, 5, 3, 12, 7, 4, 43, 1]
arr_n = np.array(list) # list -> array
print(arr_n)
matrix = arr_n.reshape(4, 3) # array -> matrix(4*3）
print(matrix)
print(matrix.T) # matrix -> matrix.T
[ 1 99 2 2 14 5 3 12 7 4 43 1]
[[ 1 99 2]
[ 2 14 5]
[ 3 12 7]
[ 4 43 1]]
[[ 1 2 3 4]
[99 14 12 43]
[ 2 5 7 1]]
【讨论】：