numpy.apply_along_axis

numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs)

沿给定轴对1-D切片应用函数.

执行 func1d(a, *args, **kwargs) 其中 func1d 对 1-D 数组进行操作,而 a 是沿 axis 对 arr 进行 1-D 切片的结果.

这相当于（但比以下使用 ndindex 和 s_ 更快）,其中将 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]

同样地,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.它应用于沿指定轴的 arr 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任何

func1d 的额外参数.

kwargs任何

func1d 的额外命名参数.

在 1.9.0 版本加入.

返回:

outndarray (Ni…, Nj…, Nk…)

输出数组.`out` 的形状与 arr 的形状相同,除了沿 axis 维度.该轴被移除,并替换为等于 func1d 返回值形状的新维度.因此,如果 func1d 返回一个标量,`out` 将比 arr 少一个维度.

参见

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` 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,这些维度将插入到 axis 维度所在的位置.

>>> 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]]])