Numpy沿轴应用并获取行索引

Question

我有一个 2D 数组（它实际上非常大并且是另一个数组的视图）：

x = np.array([[0, 1, 2],
          [1, 2, 3],
          [2, 3, 4],
          [3, 4, 5]]
        )

我有一个处理数组每一行的函数：

def some_func(a):
    """
    Some function that does something funky with a row of numbers
    """
    return [a[2], a[0]]  # This is not so funky

np.apply_along_axis(some_func, 1, x)

我正在寻找的是调用np.apply_along_axis 函数的某种方式，以便我可以访问行索引（对于正在处理的行），然后能够使用此函数处理每一行：

def some_func(a, idx):
    """
    I plan to use the index for some logic on which columns to
    return. This is only an example
    """
    return [idx, a[2], a[0]]  # This is not so funky

Answer 1

对于轴=1 的二维数组，apply_along_axis 与数组行的迭代相同

In [149]: np.apply_along_axis(some_func, 1, x)
Out[149]: 
array([[2, 0],
       [3, 1],
       [4, 2],
       [5, 3]])
In [151]: np.array([some_func(i) for i in x])
Out[151]: 
array([[2, 0],
       [3, 1],
       [4, 2],
       [5, 3]])

对于axis=0，我们可以迭代x.T。 apply_along_axis 在数组是 3d 时更有用，并且我们想要迭代除一维之外的所有维度。然后它节省了一些乏味。但这不是一个速度解决方案。

通过您修改后的函数，我们可以使用标准的enumerate 来获取行和索引：

In [153]: np.array([some_func(v,i) for i,v in enumerate(x)])
Out[153]: 
array([[0, 2, 0],
       [1, 3, 1],
       [2, 4, 2],
       [3, 5, 3]])

或使用简单的范围迭代：

In [157]: np.array([some_func(x[i],i) for i in range(x.shape[0])])
Out[157]: 
array([[0, 2, 0],
       [1, 3, 1],
       [2, 4, 2],
       [3, 5, 3]])

有多种工具可用于获取更高维度的索引，例如 ndenumerate 和 ndindex。

快速解决方案 - 一次处理所有行：

In [158]: np.column_stack((np.arange(4), x[:,2], x[:,0]))
Out[158]: 
array([[0, 2, 0],
       [1, 3, 1],
       [2, 4, 2],
       [3, 5, 3]])

Answer 2

我遇到了 3 维张量的问题，所以我认为值得发布一个泛化的解决方案，即使用 np.ndenumerate。

    f = lambda indices: #(whatever you'd like to do)

    output = np.empty(M.shape)
    for i, x in np.ndenumerate(M):
        output(i) = f(i)

Answer 3

这是一个替代解决方案，等待真正的功能实现。 这会有点不整洁。但也许足以解决您目前的问题。 :)

# create global variable
In [247]: global counter  

# Initialize it to your need
In [248]: counter = 0 

# create your function callback, lambda also could be used
In [252]: def funct(row): 
     ...:     # reference to global variable created before hand 
     ...:     global counter   
     ...:     counter += 1 # increment the counter
     ...:     # return something, or else 
     ...:     # will raise a 'NoneType' has no len() exception
     ...:     return counter

In [260]: np.apply_along_axis(funct, 1, np.array([[0],[0],[0]]))
Out[260]: array([1, 2, 3])

# revert counter to initial state or the counter will keep raising afterward
In [261]: counter = 0 

# or you could just delete it if you had no use for it anymore
In [262]: del counter 

希望对你有所帮助:)