numpy ndarrays：行操作和列操作

Question

如果我想对一个ndarray（多维数组）按行或按列应用一个函数，我应该使用ufuncs（看起来不太对）还是某种数组广播（这也不是我想要的）呢？

编辑

我想找类似R语言中的apply函数的东西。例如，

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

这段代码会通过一个匿名定义的函数把2乘到X的每一行上，也可以用一个命名的函数。（当然，这是一个很傻的例子，实际上并不需要用到apply）。有没有什么通用的方法可以在NumPy数组的“轴”上应用一个函数呢？

Answer 1

首先，很多numpy的函数都有一个叫做axis的参数。其实，你想要的功能可能可以通过这个参数来实现，而且这样做可能更好。

不过，如果你想用一种通用的方法来“按行应用这个函数”，可以这样做：

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)

要记住的是，我们其实可以用下面的方式做到完全一样的事情：

np.cumsum(x, axis=1)

通常来说，使用numpy时，有更好的方法可以替代这种通用的方法。

补充一下：

我完全忘了提这点，其实上面的做法和numpy.apply_along_axis是等价的。

所以，我们可以把它改写成：

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)