numpy.apply_along_axis的表现究竟如何？

Question

我在某些代码中遇到过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]])

至于我认为我理解文档,我原以为:

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

即在[[1,2,3],[4,5,6],[7,8,9]中沿轴[1,2,3]应用函数,即轴0

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]])

这里,numpy.diff沿着输入阵列的第一轴或第二轴(尺寸)的每个切片施加.

Answer 2

该函数在沿轴 = 0 的一维数组上执行。您可以使用“axis”参数指定另一个轴。这种范式的用法是：

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

该函数沿维度 0 在每个子数组上执行。因此，它适用于一维函数，并为每个一维输入返回一个一维数组。

另一个例子是：

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

为一维数组提供标量输出。当然，您可以只在 cumsum 或 sum 中设置轴参数来执行上述操作，但这里的重点是它可以用于您编写的任何一维函数。