Python Numpy沿轴应用并获取行索引

我有一个2D阵列（它实际上非常大，并且是另一个阵列的视图）：

我有一个函数处理数组的每一行：

def some_func(a):
    """
    Some function that does something funky with a row of numbers
    """
    return [a[2], a[0]]  # This is not so funky

np.apply_along_axis(some_func, 1, x)

我正在寻找的是调用

np的某种方法。沿_轴应用_

函数，这样我就可以访问行索引（用于正在处理的行），然后能够使用此函数处理每一行：

def some_func(a, idx):
    """
    I plan to use the index for some logic on which columns to
    return. This is only an example
    """
    return [idx, a[2], a[0]]  # This is not so funky

---

对于轴=1的二维阵列，

沿_轴应用

与阵列行的迭代相同

In [149]: np.apply_along_axis(some_func, 1, x)
Out[149]: 
array([[2, 0],
       [3, 1],
       [4, 2],
       [5, 3]])
In [151]: np.array([some_func(i) for i in x])
Out[151]: 
array([[2, 0],
       [3, 1],
       [4, 2],
       [5, 3]])

对于axis=0，我们可以在

x.T

上迭代<当数组为3d时，代码>沿_轴应用_更有用，我们希望迭代除一个维度之外的所有维度。这样就省去了一些繁琐的工作。但这不是一个速度解决方案

通过修改后的函数，我们可以使用标准的

枚举

来获取行和索引：

In [153]: np.array([some_func(v,i) for i,v in enumerate(x)])
Out[153]: 
array([[0, 2, 0],
       [1, 3, 1],
       [2, 4, 2],
       [3, 5, 3]])

或者通过简单的范围迭代：

In [157]: np.array([some_func(x[i],i) for i in range(x.shape[0])])
Out[157]: 
array([[0, 2, 0],
       [1, 3, 1],
       [2, 4, 2],
       [3, 5, 3]])

有各种工具可用于获取更高维度的索引，例如

ndenumerate

和

ndindex

快速解决方案-一次处理所有行：

In [158]: np.column_stack((np.arange(4), x[:,2], x[:,0]))
Out[158]: 
array([[0, 2, 0],
       [1, 3, 1],
       [2, 4, 2],
       [3, 5, 3]])

---

在等待真正的功能实现时，这里有一个替代解决方案。 这会有点乱。但目前可能足以解决您的问题。：）

---

希望能对您有所帮助：）

我有一个关于三维张量的问题，所以我认为有必要发布一个通用的解决方案，即使用

np.ndenumerate

    f = lambda indices: #(whatever you'd like to do)

    output = np.empty(M.shape)
    for i, x in np.ndenumerate(M):
        output(i) = f(i)

---

用范围数组压缩它？@Divakar你能举个例子吗？您可以假设2D数组是一个视图，非常大，因此副本不是解决方案。您好，您解决了这个问题吗？@slaw这仍然是一个非初学者！？很高兴知道。我有义务问，但是有没有一种方法可以快速解决问题？我在

np中添加了一个完整的数组解决方案。沿着轴应用（一些函数，1，x）

什么是

一些函数

@见问题帖。真的没有办法按照OP想要的方式访问行/列索引吗！？

# create global variable
In [247]: global counter  

# Initialize it to your need
In [248]: counter = 0 

# create your function callback, lambda also could be used
In [252]: def funct(row): 
     ...:     # reference to global variable created before hand 
     ...:     global counter   
     ...:     counter += 1 # increment the counter
     ...:     # return something, or else 
     ...:     # will raise a 'NoneType' has no len() exception
     ...:     return counter

In [260]: np.apply_along_axis(funct, 1, np.array([[0],[0],[0]]))
Out[260]: array([1, 2, 3])

# revert counter to initial state or the counter will keep raising afterward
In [261]: counter = 0 

# or you could just delete it if you had no use for it anymore
In [262]: del counter 

    f = lambda indices: #(whatever you'd like to do)

    output = np.empty(M.shape)
    for i, x in np.ndenumerate(M):
        output(i) = f(i)