Question

想象一下我有这样的事情：

 import numpy as np
 arra = np.arange(16).reshape(2, 2, 4)

给出了

 array([[[0, 1, 2, 3],  
      [4, 5, 6, 7]],  
      [[8, 9, 10, 11],  
      [12, 13, 14, 15]]])

我想创建一个沿着特定子数组运行的循环（在这种情况下，我想沿着每个'矩阵'的每个'列'运行）并对结果求和（即选择0和4并对它们求和（4），选择1和5并将它们相加（6），...，选择3和7并将它们相加（10），选择8和12并将它们相加（20），...，选择11和15以及将它们相加（26））。

我原本以为用那种看似自然的方式做到了这一点：

 for i in arra[i, j, k]:  
     for j in arra[i, j, k]:  
         for k in arra[i, j, k]:  
             sum...

问题是Python肯定不允许以这种方式做我想做的事情。如果它是一个2D数组，我会更容易，因为我知道迭代器首先遍历行，所以你可以转置为沿着列运行，但是对于多维（在这种情况下是3D）数组（N，M，P） N，M，P>＆gt; 1，我想知道如何做到这一点。

编辑：此问题有一个延续：Choosing and iterating specific sub-arrays in multidimensional arrays in Python

Answer 1

您可以使用map完成此操作：

import numpy as np
arra = np.arange(16).reshape(2, 2, 4)

然后命令：

map(sum, arra)

为您提供所需的输出：

[array([ 4,  6,  8, 10]), array([20, 22, 24, 26])]

或者，您也可以使用list comprehension：

res = [sum(ai) for ai in arra]

然后res看起来像这样：

[array([ 4,  6,  8, 10]), array([20, 22, 24, 26])]

修改

如果你想添加相同的行 - 正如你在下面的评论中提到的这个答案 - 你可以（使用zip）：

map(sum, zip(*arra))

为您提供所需的输出：

[array([ 8, 10, 12, 14]), array([16, 18, 20, 22])]

为了完整起见，列表理解：

[sum(ai) for ai in zip(*arra)]

为您提供相同的输出。

迭代并从Python中的多维数组中选择一个特定的数组

1 个答案: