Python 如何在numpy中将参数为向量的函数向量化

我有一个维数为（n，n，n，3）的numpy数组

R

，还有一个函数

f

，它将一维向量转换为标量。我需要一个新数组

a

，它与

R

的关系是

A[i, j, k] = f(R[i, j, k, :])

---

如果没有三个for语句，我如何在numpy中实现这一点。

理想情况下，您可以通过更改

f

的实现来实现这一点，以使用适当处理高维输入的技术。例如，您可以将

np.sum（whatever）

更改为

np.sum（whatever，axis=-1）

以获得上一个轴上的和，而不是整个数组。这将产生最有效的结果，但这可能很困难或不可能，这取决于

f

更慢、更简单的答案是：

---

对于循环，这比3更漂亮，但可能不会更有效。

这取决于

f

是什么。希望它能像在几个地方添加

axis

参数一样简单。

f

非常复杂，我甚至不想在这里发布它。另一个“诀窍”是将

R

重塑为2d，这样你就只在一个轴上建立索引，然后对另一个轴进行切片。然后重新调整结果的形状。换句话说，暂时“展平”i、j、k维度。它不会节省迭代步骤，但应该简化代码。

np.vectorize

是否比for循环更有效？当函数采用1d数组而不是标量时，加上

vectorize

很难应用。

A = np.apply_along_axis(f, -1, R)