Python 如何在numpy中迭代一维和二维数组的列？

我有一个函数，它想在numpy数组的列上测试谓词，假设它们的总和为10。该函数将采用一维或二维数组，其中一维数组将被视为单个列

对于2D情况，我可以执行以下操作：

python
对于两维数组中的列。T：
断言和（列）=10

我知道对于1D的情况，我可以简单地做到：

python
断言和（一个dim数组）==10

但是有没有一种方法可以使单个代码路径与数组的类型无关，即我不必打开

len（my_array.shape）

并使用上面的任何一个代码片段，比如：

python
对于一维数组或二维数组中的列。cols（）：
断言和（列）=10

---

对于1D的情况，我们只会通过一次循环。

你是指类似的情况吗

import numpy as np

def test(arr):
    if np.ndim(arr) > 1:
        arr = arr.T

    for col in arr:
        assert np.sum(col) == 10

arr1 = np.array([1,2,3])
arr2 = np.array([[1,2,3],[4,5,6]])
print(test(arr1))
print
print(test(arr2))

---

你的意思是这样的

import numpy as np

def test(arr):
    if np.ndim(arr) > 1:
        arr = arr.T

    for col in arr:
        assert np.sum(col) == 10

arr1 = np.array([1,2,3])
arr2 = np.array([[1,2,3],[4,5,6]])
print(test(arr1))
print
print(test(arr2))

---

在这两种情况下，以下内容都会生成列和的一维数组：

column_totals = one_or_two_dim_array.sum(axis=0).flatten()

然后，如果需要，您可以在

列\u totals

中的值上循环，或者一次性断言所有比较：

assert np.all(column_totals == 10)

事实上，整个事情可以简化为一行：

assert np.all(one_or_two_dim_array.sum(axis=0) == 10)

---

在这两种情况下，以下内容都会生成列和的一维数组：

column_totals = one_or_two_dim_array.sum(axis=0).flatten()

然后，如果需要，您可以在

列\u totals

中的值上循环，或者一次性断言所有比较：

assert np.all(column_totals == 10)

事实上，整个事情可以简化为一行：

assert np.all(one_or_two_dim_array.sum(axis=0) == 10)