在多维数组上应用多维函数（Python，Numpy）

Question

我有一个问题，如何有效地应用一个以n维数组的m维切片作为输入的函数。

例如，我有一个n维的形状数组（i，j，k，l）。在尺寸（j，l）上，我想应用函数，它给我一个形状矩阵（j，l）。生成的numpy数组应该再次具有形状（i，j，k，l）。

例如，我想应用以下规范化函数

def norm(arr2d):
   return arr2d - np.mean(arr2d) 

数组

arrnd = np.arange(2*3*4*5).reshape(2,3,4,5)                    # Shape is (2,3,4,5)

切片（j，l）上的

。

我想要实现的结果是通过（缓慢？）Python列表理解和移动轴得到的。

result = np.asarray([ [ f(arrnd[:,j,:,l]) for l in range(5) ] for j in range(3)])   # Shape is (3,5,2,4) 
result = np.moveaxis(np.moveaxis(result,2,0),2,3).shape                             # Shape is (2,3,4,5) again

有没有更好，更多＆＃34; numpyic＆＃34;实现这一目标的方法，没有任何涉及的循环？

我看了np.apply_along_axis()和np.apply_over_axes()，但前者仅适用于1-d函数，后者只有在我的函数实现为ufunc时才有效。

我提供的例子只是一个玩具示例。该解决方案应该适用于任何python函数。

（（如果规范化切片将是我的具体问题，我可以使用ufunc＆＃39; s axes=(..)来循环使用python循环和moveaxis。）