Question

我在某些代码中遇到了numpy.apply_along_axis函数。我不明白有关它的文档。

这是文档的一个示例：

>>> def new_func(a):
...     """Divide elements of a by 2."""
...     return a * 0.5
>>> b = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> np.apply_along_axis(new_func, 0, b)
array([[ 0.5,  1. ,  1.5],
       [ 2. ,  2.5,  3. ],
       [ 3.5,  4. ,  4.5]])

据我所知，我理解文档，我原以为：

array([[ 0.5,  1. ,  1.5],
       [ 4  ,  5  ,  6  ],
       [ 7  ,  8  ,  9  ]])

即。在[[1,2,3]，[4,5,6]中沿 [1,2,3] 轴（ 0 ）应用了该函数， [7,8,9]

显然我错了。你能纠正我吗？

Answer 1

apply_along_axis沿着输入数组的1D切片应用提供的函数，沿着您指定的轴截取切片。因此，在您的示例中，new_func沿着第一个轴应用于数组的每个切片。如果使用向量值函数而不是标量，它会变得更清晰：

In [20]: b = np.array([[1,2,3], [4,5,6], [7,8,9]])

In [21]: np.apply_along_axis(np.diff,0,b)
Out[21]: 
array([[3, 3, 3],
       [3, 3, 3]])

In [22]: np.apply_along_axis(np.diff,1,b)
Out[22]: 
array([[1, 1],
       [1, 1],
       [1, 1]])

此处，numpy.diff沿着输入数组的第一个或第二个轴（维度）的每个切片应用。

Answer 2

该功能沿轴= 0在1-d阵列上执行。您可以使用“axis”参数指定另一个轴。这种范例的用法是：

np.apply_along_axis(np.cumsum, 0, b)

该函数在每个子阵列上沿着维度0执行。因此，它用于1-D函数并为每个1-D输入返回1D数组。

另一个例子是：

np.apply_along_axis(np.sum, 0, b)

为1-D阵列提供标量输出。当然你可以在cumsum或sum中设置轴参数来执行上述操作，但这里的要点是它可以用于你编写的任何1-D函数。

numpy.apply_along_axis的表现究竟如何？

2 个答案: