Python 如何将np.apply_沿_轴应用于两个数组的组合？

给出了对象标签的数组以及到该对象的距离。我想应用knn来寻找预测的标签。我想用

np.bincount

来做这个。然而，我不明白如何使用这个。 看一些例子

labels = [[1,1,2,0,0,3,3,3,5,1,3],
          [1,1,2,0,0,3,3,3,5,1,3]]

weights= [[0,0,0,0,0,0,0,0,1,0,0],
          [0,0,0,0,0,0,0,0,1,0,0]]

想象一下，上面给出了两个对象的10个最近邻，并给出了它们的标签和距离。因此，我希望输出为

[5,5]

，因为只有具有该标签的邻居具有非零权重。我正在做下一件事：

eps = 1e-5
lab_weight = np.array(list(zip(labels, weights)))
predict = np.apply_along_axis(lambda x: np.bincount(x[0], weights=x[1]).argmax(), 2, lab_weight)

---

我预计

x

将对应于

[[1,1,2,0,0,3,3,3,5,1,3]，[0,0,0,0,0,0,0,0,1,0]

，但它不会。其他轴参数也不起作用。我怎样才能达到目标？我想使用

numpy

函数并避免python循环。

代码的问题是您试图使用 函数用于阵列的2-D切片，而沿\u轴应用\u 将给定函数应用于1-D切片

因此，您的代码会生成一个异常：ValueError:object of too small 所需阵列的深度

要将函数应用于二维切片，请使用基于 np.rollaxis，然后从中创建Numpy数组：

result = np.array([ np.bincount(x[0], weights=x[1]).argmax()
    for x in np.rollaxis(lab_weight, 2) ])

对于您的阵列，结果是：

array([1, 1, 2, 0, 0, 3, 3, 3, 5, 1, 3], dtype=int64)

要跟踪每个交互的源数组，请执行中间结果 最后的结果是运行：

i = 0
for x in np.rollaxis(lab_weight, 2):
    print(f'  i: {i}\n{x}'); i += 1
    bc = np.bincount(x[0], weights=x[1])
    bcm = bc.argmax()
    print(bc, bcm)

---

下一个解决方案为我提供了理想的结果：

labels = [[1,1,2,0,0,3,3,3,5,1,3],
          [1,1,2,0,0,3,3,3,5,1,3]]

weights= [[0,0,0,0,0,0,0,0,1,0,0],
          [0,0,0,0,0,0,0,0,1,0,0]]
length = len(labels[0])
lab_weight = np.hstack((labels, weights))
predict = np.apply_along_axis(lambda x: np.bincount(x[:length], weights=x[length:]).argmax(), 1, lab_weight)

---

你没有。它是一个迭代一个数组的函数<代码>应用无法避免这些循环。那它就藏起来了