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]]])