numpy.ma.apply_along_axis#

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

沿给定轴将函数应用于 1 维切片。

执行 func1d(a, *args, **kwargs)，其中 func1d 对 1 维数组进行操作，而 a 是 arr 沿 axis 的 1 维切片。

这等效于（但比以下使用 ndindex 和 s_ 更快）以下代码，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 1 维数组。它应用于 arr 沿指定轴的 1 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任何

传递给 func1d 的附加参数。

kwargs任何

传递给 func1d 的附加命名参数。

版本 1.9.0 中的新增功能。

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，并用与 func1d 返回值的形状相等的新的维度替换。因此，如果 func1d 返回标量，则 out 将比 arr 少一个维度。

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 1 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，这些维度将插入到 axis 维度的位置。

>>> 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