Question

我希望将函数应用于numpy数组的每一行。如果此函数的计算结果为true，我将保留该行，否则我将丢弃该行。例如，我的功能可能是：

def f(row):
    if sum(row)>10: return True
    else: return False

我想知道是否有类似的东西：

np.apply_over_axes()

将函数应用于numpy数组的每一行并返回结果。我希望有类似的东西：

np.filter_over_axes()

将函数应用于numpy数组的每一行，并仅返回函数返回true的行。有这样的事吗？或者我应该只使用for循环？

Answer 1

理想情况下，您可以实现函数的矢量化版本并使用它来执行boolean indexing。对于绝大多数问题，这是正确的解决方案。 Numpy提供了许多可以在各种轴上执行的函数以及所有基本操作和比较，因此大多数有用的条件都应该是可矢量化的。

import numpy as np

x = np.random.randn(20, 3)
x_new = x[np.sum(x, axis=1) > .5]

如果您完全确定不能执行上述操作，我建议您使用列表推导（或np.apply_along_axis）创建一个bool数组来索引。

def myfunc(row):
    return sum(row) > .5

bool_arr = np.array([myfunc(row) for row in x])
x_new = x[bool_arr]

这将以相对干净的方式完成工作，但将比矢量化版本慢得多。一个例子：

x = np.random.randn(5000, 200)

%timeit x[np.sum(x, axis=1) > .5]
# 100 loops, best of 3: 5.71 ms per loop

%timeit x[np.array([myfunc(row) for row in x])]
# 1 loops, best of 3: 217 ms per loop

过滤numpy数组的行？

1 个答案: