Python Numpy：编写适用于一维和二维数组的函数的好方法是什么

我想编写一个函数fx，它执行以下操作：

如果x是1D numpy数组，则返回gx 如果X是2D数字数组，则返回NP.数组[XXI席 实现这样的功能，什么样的方式比较合适

是否有一个特定于numpy的函数可以在一行中执行此操作，而无需写入if语句？

ndim告诉您数组的维度，如：

def f(x):
    if np.ndim(x) == 1:
        return g(x)
    elif np.ndim(x) == 2:
        return np.array([g(xi) for xi in x])
    else:
        # Whatever you want to do with more than 2 directions
        return None

ndim告诉您数组的维度，如：

def f(x):
    if np.ndim(x) == 1:
        return g(x)
    elif np.ndim(x) == 2:
        return np.array([g(xi) for xi in x])
    else:
        # Whatever you want to do with more than 2 directions
        return None

---

从一维向量生成标量的函数gx可以扩展到任意高维，如下所示：

import numpy as np

def myfunc(x):
    return sum(x)

def f( g, x ):
    if len(x.shape) == 1:
        return g(x)
    if len(x.shape) > 1:
        return np.array( [f(g,v) for v in x] )

# Test with one dimensional input
res = f( myfunc, np.array( [0.,1.,2.] ) )
print( res )

# Test with two dimensional input
res = f( myfunc, np.array( [[0.,1.,2.],[3.,4.,5.]] ) )
print( res )

# And, still more dimensions
res = f( myfunc, np.ones( (3,2,2) ) )
print( res )

生产,

3.0

[  3.  12.]

[[ 2.  2.]
 [ 2.  2.]
 [ 2.  2.]]

---

从一维向量生成标量的函数gx可以扩展到任意高维，如下所示：

import numpy as np

def myfunc(x):
    return sum(x)

def f( g, x ):
    if len(x.shape) == 1:
        return g(x)
    if len(x.shape) > 1:
        return np.array( [f(g,v) for v in x] )

# Test with one dimensional input
res = f( myfunc, np.array( [0.,1.,2.] ) )
print( res )

# Test with two dimensional input
res = f( myfunc, np.array( [[0.,1.,2.],[3.,4.,5.]] ) )
print( res )

# And, still more dimensions
res = f( myfunc, np.ones( (3,2,2) ) )
print( res )

生产,

3.0

[  3.  12.]

[[ 2.  2.]
 [ 2.  2.]
 [ 2.  2.]]

---

---

是的，这个解决方案很明显。但我想知道你是否真的会这样做。例如，如果提供参数轴，则函数np.sumx，axis的行为不同。您是否会使用if语句来区分这两种情况，而不是像any或foreach这样的内置函数？对于手头的问题，当维度为1或2时，您希望函数的行为有所不同。和其他复杂的逻辑相比，If语句是最简单、最好的。好的，谢谢。自从我发现np.sum比for循环中的求和要快，我就试着对pythonth持谨慎态度。pythonth的速度更快是因为不同的原因，因为numpy主要是用cython而不是python编写的，这使得它比您自己的python代码快得多。这根本不是一个numpythonic解决方案。不幸的是，由于原始问题的表述过于宽泛，因此没有具体的答案；但实际上，你永远不会用惯用的numpy编写这样的代码。是的，这个解决方案是显而易见的。但我想知道你是否真的会这样做。例如，如果提供参数轴，则函数np.sumx，axis的行为不同。您是否会使用if语句来区分这两种情况，而不是像any或foreach这样的内置函数？对于手头的问题，当维度为1或2时，您希望函数的行为有所不同。和其他复杂的逻辑相比，If语句是最简单、最好的。好的，谢谢。自从我发现np.sum比for循环中的求和要快，我就试着对pythonth持谨慎态度。pythonth的速度更快是因为不同的原因，因为numpy主要是用cython而不是python编写的，这使得它比您自己的python代码快得多。这根本不是一个numpythonic解决方案。不幸的是，由于原始问题的表述过于宽泛，因此没有具体的答案；但实际上，你永远不会用惯用的numpy编写这样的代码。当有人输入-1，但不注释时，这真是令人沮丧。如果你看到这一点，请改进。当有人把-1放进去，但不发表评论时，这确实令人沮丧。如果你看到这个，请改进一下，啊，这和穆罕默德的答案差不多……是的，我开始的时候没有答案，他打字更快。但这里有另一个技巧，请看编辑。Uff，这个论坛是如此的竞争：抓住一个像：谢谢。还有另一个技巧，根据您的问题可能会引起兴趣，请看numpy矢量化。乍一看，这似乎是针对1:1输出的，正如您描述的那样，每个1-d向量输入输出一个标量。在我注意到问题中指定的维度缩减之前，我开始把这个问题作为答案。是的，它与穆罕默德的答案大致相同……是的，我是在没有答案的时候开始的，他打字更快。但这里有另一个技巧，请看编辑。Uff，这个论坛是如此的竞争：抓住一个像：谢谢。还有另一个技巧，根据您的问题可能会引起兴趣，请看numpy矢量化。乍一看，这似乎是针对1:1输出的，正如您描述的那样，每个1-d向量输入输出一个标量。在我注意到问题中指定的维度缩减之前，我开始把这个问题作为答案。