Python：使用np.apply_沿_轴使用函数返回数组

我试着做如下的事情

import numpy as np
arr = np.array([0,1,2,3])
fn = lambda x: np.array([x/2,x*2])
res = np.apply_along_axis(fn,0,arr)

也就是说，我想使用

np.apply_沿_轴

和一个返回数组而不是单个值的函数。但是，这会导致以下错误

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3.5/site-packages/numpy/lib/shape_base.py", line 117, in apply_along_axis
    outarr[tuple(i.tolist())] = res
ValueError: could not broadcast input array from shape (2,4) into shape (2)

请注意，我的实际用例比给定的

fn

更复杂。我想知道是否有一种方法通常可以使用

np。使用返回数组的函数沿\u轴应用\u

，或者是否有一种不同的（numpythonic）方法来实现相同的功能

---

谢谢

我发现的一个解决方法是堆叠结果，使lambda返回一维数组而不是二维数组：

arr = np.array([0, 1, 2, 3])
fn = lambda x: np.hstack([x/2, x*2])
res = np.apply_along_axis(fn, 0, arr)

---

然后您可以根据需要重塑

res

我发现的一个解决方法是叠加结果，使lambda返回一维数组而不是二维数组：

arr = np.array([0, 1, 2, 3])
fn = lambda x: np.hstack([x/2, x*2])
res = np.apply_along_axis(fn, 0, arr)

然后您可以根据需要重塑

res

这类东西——沿数组应用常规Python函数——基本上与

for

循环相同。它不会很快，即使您使用NumPy函数来调用您的函数。因此，请保持简单：

arr = np.array([0,1,2,3])
fn = lambda x: [x/2,x*2]
res = np.array(list(map(fn, arr)))

或者，如果您关心性能：

arr = np.array([0,1,2,3])
funcs = [lambda x: x/2.0, lambda x: x*2.0]
res = np.empty((len(arr), len(funcs)))
for i, func in enumerate(funcs):
    res[:,i] = func(arr)

第二种方法要快得多，只要数组中的行数大于要应用的函数数。这是因为您只需要循环几次，使用NumPy矢量化代码一次将每个函数应用于整个输入，而不是逐个循环输入行。

这种事情——沿数组应用常规Python函数——基本上与

for

循环相同。它不会很快，即使您使用NumPy函数来调用您的函数。因此，请保持简单：

arr = np.array([0,1,2,3])
fn = lambda x: [x/2,x*2]
res = np.array(list(map(fn, arr)))

或者，如果您关心性能：

arr = np.array([0,1,2,3])
funcs = [lambda x: x/2.0, lambda x: x*2.0]
res = np.empty((len(arr), len(funcs)))
for i, func in enumerate(funcs):
    res[:,i] = func(arr)

---

第二种方法要快得多，只要数组中的行数大于要应用的函数数。这是因为您只循环了几次，使用NumPy矢量化代码一次将每个函数应用于整个输入，而不是逐个循环输入行。

您的第一个解决方案将生成一个形式为

数组（，dtype=object）

的对象，我不确定如何使用它？你的第二个解决方案适用于我的简单示例，但我认为它不能很好地推广，例如，当生成的数组更大时（需要更多的赋值形式

res[：，I]=…

）。在Py3中，你必须使用

列表（map（…）

）。或者尝试

np.array（[fn（i）代表arr中的i]）

@Marein：正如hpaulj所说，您必须在Python 3中使用

list（map（））

。我更新了我的答案。我还更新了我的第二个解决方案，使其完全通用，但速度仍然很快。您的第一个解决方案生成了一个形式为

数组（，dtype=object）

的对象，我不知道如何使用它？你的第二个解决方案适用于我的简单示例，但我认为它不能很好地推广，例如，当生成的数组更大时（需要更多的赋值形式

res[：，I]=…

）。在Py3中，你必须使用

列表（map（…）

）。或者尝试

np.array（[fn（i）代表arr中的i]）

@Marein：正如hpaulj所说，您必须在Python 3中使用

list（map（））

。我更新了我的答案。我还更新了我的第二个解决方案，使之完全通用，但仍然很快。我也想到了类似的解决方案，但不知道如何编写它。一个不错的解决办法。然而，什么样的重塑会产生我所需要的

res

呢？我找到了两种方法来重塑结果，使其符合我的要求，例如：

res.reformate（4,2，order='F'）

和

res.reformate（4,2）.T

。尽管在我的实际用例中，似乎只是在不指定

顺序

或转置结果的情况下进行重塑就足够了。我还不太理解其中的机制……我也有类似的想法作为解决方案，但不知道如何编写它。一个不错的解决办法。然而，什么样的重塑会产生我所需要的

res

呢？我找到了两种方法来重塑结果，使其符合我的要求，例如：

res.reformate（4,2，order='F'）

和

res.reformate（4,2）.T

。尽管在我的实际用例中，似乎只是在不指定

顺序

或转置结果的情况下进行重塑就足够了。我还不太懂机械原理。。。