numpy ndarrays：逐行和逐列操作

Question

如果我想将函数按行（或按列）应用到 ndarray，我会寻找 ufuncs（看起来不像）还是某种类型的数组广播（不是我想要的要么？）？

编辑

我正在寻找类似 R 的应用功能的东西。例如，

apply(X,1,function(x) x*2)

将通过匿名定义的函数将 X 的每一行乘以 2，但也可以是命名函数。 （这当然是一个愚蠢的、人为的例子，实际上并不需要apply）。没有通用的方法可以跨 NumPy 数组的“轴”应用函数，？

Answer 1

首先，许多 numpy 函数采用 axis 参数。使用这种方法可能（并且更好）做你想做的事。

但是，通用的“逐行应用此函数”方法看起来像这样：

import numpy as np

def rowwise(func):
    def new_func(array2d, **kwargs):
        # Run the function once to determine the size of the output
        val = func(array2d[0], **kwargs)
        output_array = np.zeros((array2d.shape[0], val.size), dtype=val.dtype)
        output_array[0] = val
        for i,row in enumerate(array2d[1:], start=1):
            output_array[i] = func(row, **kwargs)
        return output_array
    return new_func

@rowwise
def test(data):
    return np.cumsum(data)

x = np.arange(20).reshape((4,5))
print test(x)

请记住，我们可以只用以下方式做完全相同的事情：

np.cumsum(x, axis=1)

通常有比通用方法更好的方法，尤其是使用 numpy。

编辑：

我完全忘记了，但上面基本上等同于numpy.apply_along_axis。

因此，我们可以将其重写为：

import numpy as np

def test(row):
    return np.cumsum(row)

x = np.arange(20).reshape((4,5))
print np.apply_along_axis(test, 1, x)