Python numpy：将操作应用于多维数组

假设我有一个矩阵矩阵，它是一个四阶张量。与Mathematica中的Map类似，对所有子矩阵应用相同操作的最佳方法是什么？

#!/usr/bin/python3
from pylab import *
t=random( (8,8,4,4) )
#t2=my_map(det,t)
#then shape(t2) becomes (8,8)

编辑
对不起，英语不好，因为它不是我的母语。

我尝试了

numpy.linalg.det

，但它似乎无法很好地处理3D或4D张量：

>>> import numpy as np
>>> a=np.random.rand(8,8,4,4)
>>> np.linalg.det(a)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/lib/python3/dist-packages/numpy/linalg/linalg.py", line 1703, in det
sign, logdet = slogdet(a)
File "/usr/lib/python3/dist-packages/numpy/linalg/linalg.py", line 1645, in slogdet
_assertRank2(a)
File "/usr/lib/python3/dist-packages/numpy/linalg/linalg.py", line 155, in _assertRank2
'two-dimensional' % len(a.shape))
numpy.linalg.linalg.LinAlgError: 4-dimensional array given. Array must be two-dimensional

>>将numpy作为np导入
>>>a=np.rand.rand（8,8,4,4）
>>>np.linalg.det（a）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/usr/lib/python3/dist packages/numpy/linalg/linalg.py”，第1703行，详细信息
符号，logdet=slogdet（a）
文件“/usr/lib/python3/dist packages/numpy/linalg/linalg.py”，第1645行，在SlogSet中
_资产等级2（a）
文件“/usr/lib/python3/dist-packages/numpy/linalg/linalg.py”，第155行，in_-assertRank2
'二维''%len（a.shape））
numpy.linalg.linalg.linalg错误：给定了4维数组。数组必须是二维的

编辑2（已解决）

---

问题是较旧的numpy版本（numpy 1.8）有一些gufunc可以在C循环中实现这一点：

例如，

numpy.linalg.det（）

import numpy as np
a = np.random.rand(8,8,4,4)
np.linalg.det(a)

首先检查您打算使用的操作的文档。许多人有一种方法指定要在哪个轴上操作（
np.sum
）。其他人指定他们使用哪个轴（例如
np.dot
）

对于
np.linalg.det
，文档包括：

a:（…，M，M）类数组
要计算行列式的输入数组

因此
np.linalg.det（t）
返回一个
（8,8）
数组，使用最后两个维度计算每个
det

虽然可以迭代维度（第一个是默认值），最好编写一个使用整个数组的
numpy
操作的函数。
谢谢你的回答！但是我收到了错误消息：numpy.linalg.linalg.linalg错误：给定了4维数组。数组必须是二维的。你使用numpy 1.8吗？