Question

我想应用一个将2D数组（并返回相同形状之一）的函数应用于3D数组的每个2D切片。这是一种有效的方法吗？ numpy.fromiter会返回一维数组，numpy.fromfunction需要单独应用于每个坐标。

目前我在做

foo = np.array([func(arg, bar2D) for bar2D in bar3D])

这给了我想要的东西，但列表理解非常慢。此外，func是具有特定边界条件的一维导数。 numpy.gradient似乎只做N-D导数，N是数组的维度，但也许还有另一个例程可以为我做整件事？

编辑：列表理解有效，但我正在寻找更快的方法。 bar3D可能很大，最高可达(500,500,1000)。我发现的将函数应用于数组的所有numpy例程似乎都假定函数或数组都是1D。

Answer 1

我不知道将函数应用于N-D数组切片的任何通用方法。但有两种方法可以解决它。

如果你想要做的是在每个2D切片的每一行或每列上应用一维导数，这相当于将导数应用于每个一维切片，你可以使用np.apply_along_axis：

values = np.arange(4)*np.arange(3)[:, None]+np.arange(2)[:, None, None]*2
>>> array([[[0, 0, 0, 0],
            [0, 1, 2, 3],
            [0, 2, 4, 6]],

       [[2, 2, 2, 2],
        [2, 3, 4, 5],
        [2, 4, 6, 8]]])

np.apply_along_axis(np.gradient, 2, values)
>>> array([[[ 0.,  0.,  0.,  0.],
            [ 1.,  1.,  1.,  1.],
            [ 2.,  2.,  2.,  2.]],

           [[ 0.,  0.,  0.,  0.],
            [ 1.,  1.,  1.,  1.],
            [ 2.,  2.,  2.,  2.]]])

这可以区分每个2D切片的行。要对每列进行区分，请执行np.apply_along_axis(np.gradient, 2, values)

如果你想做一些需要两个维度的事情，你通常可以通过广播和轴参数来获得它。例如，如果您希望每个切片V[i, j] = sqrt((V[i,j]-V[i, j-1])^2+V[i, j]-V[i-1, j])^2都V，则可以执行以下操作：

xdiffs = np.zeros_like(values) 
xdiffs[:, 1:, :]= np.diff(values, axis=1) 

ydiffs = np.zeros_like(values)
ydiffs[:, :, 1:] = np.diff(values, axis=2)

diffnorms = np.linalg.norm(xdiffs, ydiffs)

>>> array(
  [[[ 0.        ,  0.        ,  0.        ,  0.        ],
    [ 0.        ,  1.41421356,  2.23606798,  3.16227766],
    [ 0.        ,  2.23606798,  2.82842712,  3.60555128]],

   [[ 0.        ,  0.        ,  0.        ,  0.        ],
    [ 0.        ,  1.41421356,  2.23606798,  3.16227766],
    [ 0.        ,  2.23606798,  2.82842712,  3.60555128]]])

获得正确的尺寸有点麻烦，但它通常是最有效的解决方案。

此示例在边界使用零，如果您还需要其他内容，则需要将normdiff[:, :, 0]和normdiff[:, 0, :]设置为正确的边界值。

Answer 2

假设你有一个数组，a：

>>> a=np.random.random((4,3,2))

array([[[ 0.27252091,  0.78545835],
        [ 0.83604934,  0.48509821],
        [ 0.77828735,  0.26630055]],

       [[ 0.98623474,  0.29839813],
        [ 0.15893604,  0.61870988],
        [ 0.62281607,  0.27193647]],

       [[ 0.47976331,  0.2471835 ],
        [ 0.77323041,  0.30137068],
        [ 0.52906156,  0.53950597]],

       [[ 0.59207654,  0.86355457],
        [ 0.50250812,  0.75688653],
        [ 0.91046136,  0.5785383 ]]])

您可以像这样访问2D切片：

>>> for x in range(a.shape[0]):
        print a[x,:,:]

>>> for x in range(a.shape[1]):
        print a[:,x,:]

>>> for x in range(a.shape[2]):
        print a[:,:,x]

将函数应用于3D numpy数组的每个2D切片的有效方法

2 个答案: