numpy.apply_along_axis

numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs) [source]

Применить функцию к 1-мерным срезам вдоль заданной оси.

Выполнить func1d(a, *args) где func1d работает с 1-мерными массивами, а a является 1-мерным срезом arr вдоль axis.

Это эквивалентно (но быстрее), чем следующее использование ndindex и s_, которое устанавливает каждый из ii, jj, и kk в кортеж индексов:

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]

Эквивалентно, исключив внутренний цикл, это можно выразить как:

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])

Параметры:	func1d : function (M,) -> (Nj…) Эта функция должна принимать 1-мерные массивы. Она применяется к 1-мерным срезам arr вдоль указанной оси. axis : integer Ось, вдоль которой происходит срез arr. arr : ndarray (Ni…, M, Nk…) Входной массив. args : any Дополнительные аргументы для func1d. kwargs : any Дополнительные именованные аргументы для func1d. Новое в версии 1.9.0.
Возвращает:	out : ndarray (Ni…, Nj…, Nk…) Выходной массив. Форма out идентична форме arr, за исключением измерения вдоль axis. Эта ось удаляется и заменяется новыми измерениями, равными форме возвращаемого значения func1d. Таким образом, если func1d возвращает скаляр, out будет иметь на одно измерение меньше, чем arr.

См. также

apply_over_axes

Применить функцию многократно по нескольким осям.

Примеры

>>> 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.])

Для функции, которая возвращает 1-мерный массив, количество измерений в outarr такое же, как и в arr.

>>> 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]])

Для функции, которая возвращает массив более высокой размерности, эти измерения вставляются вместо измерения axis.

>>> 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]]])