Question

我看过几个使用numpy.apply_along_axis的代码，我总是要测试代码，看看它是如何工作的，因为我还没理解Python中的axis想法。

例如，我测试了参考文献中的this个简单代码。

我可以看到，对于第一种情况，它采用了矩阵每行的第一列，而在第二种情况下，考虑了行本身。

所以我构建了一个例子来测试它是如何使用矩阵数组的（这个问题带我到这个轴问题），它也可以看作是一个3d矩阵，其中每一行都是一个矩阵，对吗？ / p>

a = [[[1,2,3],[2,3,4]],[[4,5,6],[9,8,7]]]

import numpy
data = numpy.array([b for b in a])

def my_func(x):
    return (x[0] + x[-1]) * 0.5

b = numpy.apply_along_axis(my_func, 0, data)
b = numpy.apply_along_axis(my_func, 1, data)

哪位给了我：

array([[ 2.5,  3.5,  4.5],
       [ 5.5,  5.5,  5.5]])

和

array([[ 1.5,  2.5,  3.5],
       [ 6.5,  6.5,  6.5]])

对于第一个结果，我得到了我的预期。但对于第二个，我会收到：

array([[ 2.,  3.],
       [ 5.,  8.]])

然后我可能应该是axis=2，我得到了之前测试的结果。所以，我想知道这是如何正常工作的。

谢谢。

Answer 1

首先，data=numpy.array(a)已足够，无需使用numpy.array([b for b in a])。

data现在是形状为(2,2,3)的3D ndarray，并且有3个轴0, 1, 2。第一轴的长度为2，第二轴的长度也为2，第三轴的长度为3.

因此，numpy.apply_along_axis(my_func, 0, data)和numpy.apply_along_axis(my_func, 1, data)都会产生形状为(2,3)的2D数组。在这两种情况下，形状为(2,3)，其余轴为第2和第3或第1和第3。

numpy.apply_along_axis(my_func, 2, data)会返回您显示的(2,2)形状数组，其中(2,2)是前2轴的形状，就像apply沿第3轴（通过给出索引） 2）。

理解它的方法是，无论你应用哪个轴，都会'折叠'成my_func的形状，在这种情况下会返回一个值。剩余轴的顺序和形状将保持不变。

另一种思考方式是：apply_along_axis表示将该函数应用于该轴上的值，用于剩余轴/轴的每个组合。获取结果，并将它们组织回剩余轴/轴的形状。因此，如果my_func返回tuple个4个值：

def my_func(x):
    return (x[0] + x[-1]) * 2,1,1,1

我们希望numpy.apply_along_axis(my_func, 0, data).shape为(4,2,3)。

另请参阅numpy.apply_over_axes以在多个轴上重复应用函数

Answer 2

请array shape (2,2,3)。可以看出axis 0，axis 1，axis 2分别具有2,2,3个数据值。

这些是数组元素的索引

[
    [
        [(0,0,0) (0,0,1), (0,0,2)],
        [(0,1,0) (0,1,1), (0,1,2)]
    ],
    [
        [(1,0,0) (1,0,1), (1,0,2)],
        [(1,1,0) (1,1,1), (1,1,2)]
    ]
]

现在如果沿某个轴应用某些操作，则沿着此轴改变索引，只保持沿另外两个轴的索引不变。

示例：如果我们沿axis 0应用一些操作F，那么结果的元素将是

[
    [F((0,0,0),(1,0,0)), F((0,0,1),(1,0,1)), F((0,0,2),(1,0,2))],
    [F((0,1,0),(1,1,0)), F((0,1,1),(1,1,1)), F((0,1,2),(1,1,2))]
]

沿着axis 1：

[
    [F((0,0,0),(0,1,0)), F((0,0,1),(0,1,1)), F((0,0,2),(0,1,2))],
    [F((0,1,0),(1,1,0)), F((0,1,1),(1,1,1)), F((0,1,2),(1,1,2))]
]

沿着axis 2：

[
    [F((0,0,0),(0,0,1),(0,0,2)), F((0,1,0),(0,1,1),(0,1,2))],
    [F((1,0,0),(1,0,1),(1,0,2)), F((1,1,0),(1,1,1),(1,1,2))]
]

也可以通过以给定数据的形状省略给定轴来推断得到的数组的形状。

Answer 3

也许检查阵列的形状有助于澄清哪个轴是哪个;

print data.shape

>> (2,2,3)

这意味着调用

numpy.apply_along_axis(my_func, 2, data)

确实应该给出2x2矩阵，即

array([[ 2.,  3.],
      [ 5.,  8.]])

因为第3轴（索引2）的长度为3，而其余轴的长度均为2。

在Python中理解轴

3 个答案: