1：

Question

我对numpy.并不陌生，我想将自定义函数应用于1、2或更多行（或列）。我怎样才能做到这一点？在将此标记为重复之前，我想指出，我发现执行此操作的唯一线程是how to apply a generic function over numpy rows?和how to apply a generic function over numpy rows?。这篇文章有两个问题：

a）作为一个初学者，我不太确定像A[:,None,:]这样的操作是做什么的。

b）在我的情况下，该操作无效。请参见下面。

我们假设矩阵M为：

import numpy as np
M = np.array([[8, 3, 2],
              [6, 1, 2],
              [1, 2, 4]])

现在，我想计算所有三行组合的乘积。为此，我创建了一个自定义函数。函数的实际操作可能不同于乘法。乘法只是一个例子。

def myf(a,b): return(a*b)

我以numpy阵列产品为例。实际的自定义函数可能有所不同，但是无论操作是什么，该函数将始终返回numpy数组。即需要两个相等大小的numpy一维数组并返回一维数组。在myf中，我假设a和b分别是np.array。

我希望能够将自定义函数应用于任意两行或两列，甚至三行（递归应用函数）。

将两行递归相乘后的预期输出：

如果我应用成对的行操作：

[[48,3,4],
 [6,2,8],
 [8,6,8]]

OR（自定义函数的应用顺序无关紧要。因此，输出矩阵中行的实际位置无关紧要。在矩阵下面也可以。）

[[6,2,8],
 [48,3,4],  #row1 and 2 are swapped
 [8,6,8]]

类似地，如果我对列应用成对运算，我会得到

[[24, 6, 16]
 [6,  2, 12] 
 [2,  8, 4]]

类似地，如果我将自定义函数应用于所有三行，我将得到：

[48,6,16] #row-wise

OR

[48,12,8] #column-wise

我读完SO后尝试了几种方法：

vf=np.vectorize(myf)
vf(M,M)

但是，以上函数将自定义函数按元素而不是按行或按列应用。

2：

我也尝试过：

M[:,None,:].dot(M) #dot mimics multiplication. Python wouldn't accept `*`

这有两个问题：

a）我不知道输出是什么。

b）我无法应用自定义功能。

有人可以帮我吗？我将不胜感激。

我对numpy和scipy开放。

一些专家要求获得期望的输出。假设所需的输出为 [[48,3,4], [6,2,8], [8,6,8]]。

但是，我希望您能为自定义2或更多列和2或更多行的解决方案提供一些指导。

Answer 1

您只需沿第0条轴滚动轴

np.roll(M, -1, axis=0)
# array([[6, 1, 2],
#        [1, 2, 4],
#        [8, 3, 2]])

并将结果与原始数组相乘

M * np.roll(M, -1, axis=0)
# array([[48,  3,  4],
#        [ 6,  2,  8],
#        [ 8,  6,  8]])

如果要合并两行以上，则可以滚动多次：

M * np.roll(M, -1, axis=0) * np.roll(M, -2, axis=0)
# array([[48,  6, 16],
#        [48,  6, 16],
#        [48,  6, 16]])