我有一个函数f(a, b, c)，该函数将3个不同长度的向量作为参数，并返回一个1D数组（与参数a相同的长度）。我也有三个2D数组（A, B, C），它们的dtype不同，一个维数相同（N），而另一个维数对于这三个数组都不同。
我想以最有效的方式将f沿其长度方向不同的二维数组应用于2D数组，以便f被称为一列（或行，如果转置有任何区别） ）。
幼稚的方法类似于沿着相同的轴压缩2D数组，并在每个数组中包含一列的3个元组上进行迭代（例如，调用f N次）。与N = 3：
A = np.arange(9).reshape(3, 3)
B = np.arange(12).reshape(4, 3)
C = np.arange(15).reshape(5, 3)
result = np.array([f(a, b, c) for a, b, c in zip(A.T, B.T, C.T)])
在我的情况下，实数N是〜30K，而数组的其他维度在5到〜1000之间变化。
使用纯Python或numpy使用这种大小的数组是否有（显着）更有效的方式？