numpy.apply_along_axis #
- 麻木的。apply_along_axis ( func1d , axis , arr , * args , ** kwargs ) [来源] #
将函数应用于沿给定轴的一维切片。
执行func1d(a, *args, **kwargs),其中func1d对一维数组进行操作,a是arr沿axis的一维切片。
这相当于(但比)以下使用
ndindex
and 更快s_
,它将每个ii
、jj
、 和设置kk
为一个索引元组:Ni, Nk = a.shape[:axis], a.shape[axis+1:] for ii in ndindex(Ni): for kk in ndindex(Nk): f = func1d(arr[ii + s_[:,] + kk]) Nj = f.shape for jj in ndindex(Nj): out[ii + jj + kk] = f[jj]
等价地,消除内循环,可以表示为:
Ni, Nk = a.shape[:axis], a.shape[axis+1:] for ii in ndindex(Ni): for kk in ndindex(Nk): out[ii + s_[...,] + kk] = func1d(arr[ii + s_[:,] + kk])
- 参数:
- func1d函数 (M,) -> (Nj…)
该函数应该接受一维数组。它应用于arr沿指定轴的一维切片。
- 轴整数
arr被切片的轴。
- arr ndarray (Ni…, M, Nk…)
输入数组。
- 参数任意
func1d的附加参数。
- 夸格斯任何
func1d的附加命名参数。
1.9.0 版本中的新增功能。
- 返回:
- out ndarray (Ni…, Nj…, Nk…)
输出数组。除了沿轴维度外, out的形状与arr的形状相同 。该轴将被删除,并替换为等于func1d返回值形状的新维度。因此,如果func1d返回标量,则 out 的维度将比arr少一维。
也可以看看
apply_over_axes
在多个轴上重复应用函数。
例子
>>> def my_func(a): ... """Average first and last element of a 1-D array""" ... return (a[0] + a[-1]) * 0.5 >>> b = np.array([[1,2,3], [4,5,6], [7,8,9]]) >>> np.apply_along_axis(my_func, 0, b) array([4., 5., 6.]) >>> np.apply_along_axis(my_func, 1, b) array([2., 5., 8.])
对于返回一维数组的函数, outarr中的维数 与arr相同。
>>> b = np.array([[8,1,7], [4,3,9], [5,2,6]]) >>> np.apply_along_axis(sorted, 1, b) array([[1, 7, 8], [3, 4, 9], [2, 5, 6]])
对于返回高维数组的函数,将插入这些维度来代替轴维度。
>>> b = np.array([[1,2,3], [4,5,6], [7,8,9]]) >>> np.apply_along_axis(np.diag, -1, b) array([[[1, 0, 0], [0, 2, 0], [0, 0, 3]], [[4, 0, 0], [0, 5, 0], [0, 0, 6]], [[7, 0, 0], [0, 8, 0], [0, 0, 9]]])