Python 在二维坐标系中调用函数最有效的方法是什么？

我有一个大小的数组（M，N，3）。它包含M x N个点，每个点都由其x、y和z坐标标识。我还有一个函数'foo'“foo”将一个点作为大小（，3）的数组。在数组中的每个M x N点上调用“foo”是否比使用两个嵌套for循环更快

到目前为止，这就是我所尝试的。我的数组是变量“sample\u array”

num_rows = sample_array.shape[0]
num_columns = sample_array.shape[1]
solution = np.zeros((num_rows, num_columns))

for row in range(num_rows):
   for column in range(num_columns):
      point = sample_array[row, column]
      solution[row, column] = foo(point)

我发现了这一点，它描述了如何使用这两种解决方案：

np.vectorize(foo)
np.array(map(foo, sample_array))

但是，我不确定如何指定我不希望函数映射到每个mxnx3浮点。相反，我希望它映射要在每个mxn（，3）ndarray上调用的函数

---

谢谢大家!

使用

map

的一种方法是：

solution = np.array(list(map(foo, sample_array.reshape(-1,3)) ))\
             .reshape(sample_array.shape[:2])

---

理想情况下，您正在调用的函数

foo

将接受数组作为输入。一般来说，任何函数都可以接受所有数组，只要第一个维度符合预期。例如，函数

导入numpy
def长度（x）：
返回numpy.sqrt（x[0]**2+x[1]**2+x[2]**2）

计算向量的长度，但也接受形状数组

（3，…）

（甚至不管后面有多少个维度），并执行正确的操作

这种设计具有以下优点：

• 该代码适用于标量和数组
• 它适用于任意维数的数组
• （C-连续排序）
• 它通常会产生干净的代码

---

您可以尝试

np。沿_轴应用_（函数，轴=2，arr=您的_输入_数组）

这将沿第三轴切片阵列，并将函数应用于每个切片，即点

---

在此处找到文档，代码行数更少：

solution = np.vectorize(foo)(*sample_array.reshape(-1, 3).T)

---

对于一般函数

foo

，简单的答案是否定的。

map

和

np.vectorize

和您一样，都是编写For循环的奇特方法。@quanghaang感谢您的回答！有没有一种方法可以使用map、np.vectorize或其他函数来至少减少所需的代码行数？只要该函数只接受1个点，您就无法提高速度。它必须被调用

N*M

次；这是主要的时间消费。谢谢你的回答。这就要求输入的形状是（3，M，N），对吗？是否有一种方法可以实现这一点，使用你的方法，可以在形状（M，N，3）中实现？以这种方式存储我的点会是一种不好的做法吗？将数组存储为

（n，3）

，这是非常常见的，主要是因为

print（）

ing看起来更好。实际上，在计算上更有效的方法是将前导维保持在较小的范围内。当然，您可以始终使用

moveaxis

，但这实际上会在内存中移动，并且需要时间。我会组织代码，使数组的形状从一开始就是

（3，…）

。@hpaulj它不是。用

list

更新后，它就可以工作了。根据我的经验，这个

apply

很方便，但不是更快。