多个数组的Python apply_along_axis

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了多个数组的Python apply_along_axis，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1550字，纯文字阅读大概需要3分钟。

内容图文

如果我有一个函数,f(x)以一个1d数组作为参数并产生1d数组作为输出,我可以使用numpy.apply_along_axis将函数应用于行有效的2d数组X的每一行f的论据.

现在我想用一个带两个参数的函数做类似的事情.
例如.我有一个函数f(x,y),它将两个1d数组作为参数,我还有两个2d数组X,Y都有n行.我想对每对行应用f,产生一个又有n行的数组.

如何以有效的方式实现这一目标？

我也对变体感兴趣,其中f需要更多参数或涉及更高维数组：

例如,f可以取3个形状为x,y,z的形状(2,2); (3); (5)
并产生形状的结果(4,4).

我有X,Y,Z形状(50,100,2,2); (50,100,3); (50,100,5)
并想要一个形状的结果(50,100,4,4)

解决方法:

看一下numpy.apply_along_axis的代码,我看到它只是迭代其他维度,将你的函数应用于每个’row’.有额外的代码允许维度大约2.但对于2d X它归结为：

result = np.empty_like(X)
for i, x in enumerate(X):
    result[i] = func1d(x)

还有一些代码可以推断出结果的形状.例如,如果func1d是np.sum,则结果将是1d,而不是输入的2d.

所以这个功能没有特殊的“效率”.多个输入的扩展可以是普通的Python zip：

 result = np.empty_like(X)
 for i,(x,y) in enumerate(zip(X,Y)):
     result[i] = func1d(x,y)

np.ndindex是生成索引的便利工具.值得一看的是它的代码.它使用通用的numpy迭代器,np.nditer,见：http://docs.scipy.org/doc/numpy/reference/arrays.nditer.html

For example f could take 3 arrays x, y, z of shape (2,2); (3,); (5,) and produce a result of shape (4,4).

I have X, Y, Z of shapes (50, 100, 2, 2); (50, 100, 3); (50, 100, 5) and want a result of shape (50, 100, 4, 4)

for i,j in np.ndindex(50,100):
    result[i,j,:,:] = f(X[i,j,:,:], Y[i,j,:,:], Z[i,j,:,:])

‘：’不是必需的,但要明确我们正在对2个维度进行索引,并对其余维度进行切片.如果你想迭代1和3维,并切片第2维,则需要它们.

内容总结

以上是互联网集市为您收集整理的多个数组的Python apply_along_axis全部内容，希望文章能够帮你解决多个数组的Python apply_along_axis所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端