numpy.apply_along_axis#

numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs)[source]#

沿给定轴对一维切片应用函数。

执行 func1d(a, *args, **kwargs)，其中 func1d 对一维数组进行操作，而 a 是 arr 沿 axis 的一维切片。

这等效于（但比）以下使用 ndindex 和 s_，它将 ii、jj 和 kk 分别设置为索引元组

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]

等效地，消除内部循环，这可以表示为

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…)

此函数应接受一维数组。它应用于 arr 沿指定轴的一维切片。

axis整数

沿其对 arr 进行切片的轴。

arrndarray (Ni…, M, Nk…)

输入数组。

args任意

传递给 func1d 的其他参数。

kwargs任意

传递给 func1d 的其他命名参数。

版本 1.9.0 中的新功能。

返回值：
outndarray (Ni…, Nj…, Nk…)

输出数组。 out 的形状与 arr 的形状相同，除了 axis 维度。此轴将被移除，并替换为新的维度，这些维度等于 func1d 的返回值的形状。因此，如果 func1d 返回一个标量，则 out 的维度将比 arr 少一个。

另请参阅

apply_over_axes

在多个轴上重复应用函数。

示例

>>> import numpy as np
>>> 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 的维度数与 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]])

对于返回更高维度数组的函数，这些维度将插入 axis 维度的相应位置。

>>> 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]]])
本页内容