编写python函数以在任意轴上操作

长期以来，我一直在以各种各样的方式努力解决这个问题，但从未找到一个好的解决方案

基本上，如果我想写一个函数，在任意秩数组的一个给定但任意的轴上执行一个操作，采用（例如）np.mean（a，axis=some_轴）的风格，我通常不知道如何做

---

问题似乎总是归结为切片语法的不灵活；如果我想访问第3个索引上的第I个切片，我可以使用[：，：，I]，但我不能将其推广到第n个索引。

您不能推广它。事实上，在这种情况下，可以查看示例

numpy.mean（a，axis=axis\u index）

。即使在主要用C编写的numpy中，也会循环通过轴索引来知道在哪里计算平均值。看看

numpy.mean

的核心是什么。即使它们在执行操作之前以有利的方式格式化数据，也始终需要使用

轴索引在所有轴上循环。
numpy
函数使用几种方法来完成此操作：


转置轴以将目标轴移动到已知位置，通常是第一个或最后一个位置；如果需要，将结果转置

重塑（以及转置）以减少问题的更简单维度。如果您的注意力集中在第n个维度上，那么（：n）维度是否平坦可能无关紧要。他们只是在“搭便车”

构造一个索引元组<代码>idx=（切片（无），切片（无），j）；[idx]

相当于

A[：，：，j]

。从适当大小的列表或数组开始，用切片填充，摆弄它，然后转换为元组（元组是不可变的）

使用

索引技巧

工具构建索引，如

np.r

，

np.s

等

---

研究提供轴的代码。编译的

ufuncs

不会有帮助，但是像

tensordot

，

沿u轴取u

，

沿u轴应用u

，

np.cross

这样的函数是用Python编写的，并且使用了一个或多个技巧。

扩展@hpaulj的第一个建议，可能出乎意料的是，swapaxes->创建新数组的某些操作->新数组的swapaxes之后的结果通常是连续的，请参见示例