numpy.ma.apply_along_axis#

ma.apply_along_axis(func1d, axis, arr, *args, **kwargs)[原始碼]#

沿著給定軸將函數應用於 1 維切片。

執行 func1d(a, *args, **kwargs)，其中 func1d 作用於 1 維陣列，而 a 是沿著 axis 的 arr 的 1 維切片。

這等效於（但比以下使用 ndindex 和 s_ 更快），它將 ii、jj 和 kk 各自設定為索引的元組

Ni, Nk = a.shape[:axis], a.shape[axis+1:]
for ii in ndindex(Ni):
    for kk in ndindex(Nk):
        f = func1d(arr[ii + s_[:,] + kk])
        Nj = f.shape
        for jj in ndindex(Nj):
            out[ii + jj + kk] = f[jj]

等效地，消除內部迴圈，這可以表示為

Ni, Nk = a.shape[:axis], a.shape[axis+1:]
for ii in ndindex(Ni):
    for kk in ndindex(Nk):
        out[ii + s_[...,] + kk] = func1d(arr[ii + s_[:,] + kk])
參數:
func1d函數 (M,) -> (Nj…)

此函數應接受 1 維陣列。它會應用於沿指定軸的 arr 的 1 維切片。

axis整數

沿著此軸切片 arr。

arrndarray (Ni…, M, Nk…)

輸入陣列。

argsany

傳遞給 func1d 的額外參數。

kwargsany

傳遞給 func1d 的額外具名參數。

回傳值:
outndarray (Ni…, Nj…, Nk…)

輸出陣列。out 的形狀與 arr 的形狀相同，但沿著 axis 維度除外。此軸會被移除，並替換為等於 func1d 傳回值形狀的新維度。因此，如果 func1d 傳回純量，則 out 的維度會比 arr 少一個。

另請參閱

apply_over_axes

在多個軸上重複應用函數。

範例

>>> import numpy as np
>>> def my_func(a):
...     """Average first and last element of a 1-D array"""
...     return (a[0] + a[-1]) * 0.5
>>> b = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> np.apply_along_axis(my_func, 0, b)
array([4., 5., 6.])
>>> np.apply_along_axis(my_func, 1, b)
array([2.,  5.,  8.])

對於傳回 1 維陣列的函數，outarr 中的維度數量與 arr 相同。

>>> b = np.array([[8,1,7], [4,3,9], [5,2,6]])
>>> np.apply_along_axis(sorted, 1, b)
array([[1, 7, 8],
       [3, 4, 9],
       [2, 5, 6]])

對於傳回更高維度陣列的函數，這些維度會插入以取代 axis 維度。

>>> b = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> np.apply_along_axis(np.diag, -1, b)
array([[[1, 0, 0],
        [0, 2, 0],
        [0, 0, 3]],
       [[4, 0, 0],
        [0, 5, 0],
        [0, 0, 6]],
       [[7, 0, 0],
        [0, 8, 0],
        [0, 0, 9]]])
在此頁面上