如何在python中替换3d数组中的示例？

我有一个维度的3d数组（1000，300，3），我的3d数组

我想修改每个样本，如果这个数组，然后用修改过的替换旧版本。换句话说，我想以第一个示例（300，3）（我们称之为旧样本）为例，通过调用一个名为my_函数的函数对其进行一些修改，然后获得的新样本将替换my_3d_数组中的旧样本，依此类推。

---

我们该怎么做呢？

我不确定这是否是您想要的，但您可以使用正常的索引符号：

#只是一个示例数组
my_3d_array=np.random.random（（1000300,3））
#提取旧样本
old_sample=my_3d_数组[0，：，：]
#变换样本
新样本=我的样本函数（旧样本）
#将样本写回原始数组
my_3d_数组[0，：，：]=新的_示例

---

如果您想对所有样本进行相同的转换，那么将

my_函数

矢量化，一次处理所有样本，而不是使用python循环，这可能是有益的。

一般来说，这是我正在寻找的解决方案。它适用于一个样本。但我正在寻找是否可以一次将我的函数应用于所有1000个样本。在数组的第一维上使用

for

循环不是一个选项吗？使用循环将效率低下，因为我的3d数组可能是一个巨大的数组。numpy中有辅助函数，例如

沿数组轴应用
和
向量化
。可以使用这些函数，但我怀疑它们是否能显著提高性能，因为它们还必须调用python函数，调用次数与数组中的示例次数相同。如果
my_函数
只使用numpy函数，您可以尝试直接对函数进行矢量化，这可能会提供最佳性能。my_函数使用np.random.normal（loc=0，scale=scale_value，size=sample.shape），有时使用np.matmul（）。所以我认为向量化我的函数是最好的解决方案