迭代 numpy.array 的任意维度

是否有函数可以在 numpy 数组的任意维度上获取迭代器？

迭代第一个维度很容易......

In [63]: c = numpy.arange(24).reshape(2,3,4)

In [64]: for r in c :
   ....:     print r
   ....: 
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[[12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]]

但迭代其他维度就更困难了。例如最后一个维度：

In [73]: for r in c.swapaxes(2,0).swapaxes(1,2) :
   ....:     print r
   ....: 
[[ 0  4  8]
 [12 16 20]]
[[ 1  5  9]
 [13 17 21]]
[[ 2  6 10]
 [14 18 22]]
[[ 3  7 11]
 [15 19 23]]

我正在制作一个生成器来自己执行此操作，但令我惊讶的是没有一个名为 numpy.ndarray.iterdim(axis=0) 之类的函数来自动执行此操作。

您提出的速度相当快，但可以通过更清晰的形式提高易读性：

for i in range(c.shape[-1]):
    print c[:,:,i]

或者，更好（更快、更通用、更明确）：

for i in range(c.shape[-1]):
    print c[...,i]

然而，上面的第一种方法似乎比第一种方法慢两倍左右。swapaxes()方法：

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for r in c.swapaxes(2,0).swapaxes(1,2): u = r'
100000 loops, best of 3: 3.69 usec per loop

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for i in range(c.shape[-1]): u = c[:,:,i]'
100000 loops, best of 3: 6.08 usec per loop

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for r in numpy.rollaxis(c, 2): u = r'
100000 loops, best of 3: 6.46 usec per loop

我猜这是因为swapaxes()不复制任何数据，并且因为处理c[:,:,i]可以通过通用代码来完成（处理以下情况）:被更复杂的切片取代）。

但请注意，更明确的第二个解决方案c[...,i]既清晰又快速：

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for i in range(c.shape[-1]): u = c[...,i]'
100000 loops, best of 3: 4.74 usec per loop