numpy.ma.apply_over_axes #

嘛。apply_over_axes ( func , a , axes ) [来源] #

在多个轴上重复应用函数。

func被称为res = func(a, axis)，其中axis是axes的第一个元素。函数调用的结果res必须具有与a相同的维度或少一个维度。如果res 的维度比a少一维，则在axis之前插入一个维度。然后对axes中的每个轴重复调用func ，并以res作为第一个参数。

参数：

函数函数: 该函数必须采用两个参数func(a, axis)。
类似数组: 输入数组。
类似数组的轴: 应用func的轴；元素必须是整数。

返回：

apply_over_axis ndarray: 输出数组。维数与a相同，但形状可以不同。这取决于func是否改变其输出相对于其输入的形状。

也可以看看

apply_along_axis: 将函数沿给定轴应用于数组的一维切片。

例子

>>> a = np.ma.arange(24).reshape(2,3,4)
>>> a[:,0,1] = np.ma.masked
>>> a[:,1,:] = np.ma.masked
>>> a
masked_array(
  data=[[[0, --, 2, 3],
         [--, --, --, --],
         [8, 9, 10, 11]],
        [[12, --, 14, 15],
         [--, --, --, --],
         [20, 21, 22, 23]]],
  mask=[[[False,  True, False, False],
         [ True,  True,  True,  True],
         [False, False, False, False]],
        [[False,  True, False, False],
         [ True,  True,  True,  True],
         [False, False, False, False]]],
  fill_value=999999)
>>> np.ma.apply_over_axes(np.ma.sum, a, [0,2])
masked_array(
  data=[[[46],
         [--],
         [124]]],
  mask=[[[False],
         [ True],
         [False]]],
  fill_value=999999)

ufunc 的元组轴参数是等效的：

>>> np.ma.sum(a, axis=(0,2)).reshape((1,-1,1))
masked_array(
  data=[[[46],
         [--],
         [124]]],
  mask=[[[False],
         [ True],
         [False]]],
  fill_value=999999)