迭代 Numpy 矩阵行以分别应用一个函数？答案

【问题标题】：Iterating over Numpy matrix rows to apply a function each?迭代 Numpy 矩阵行以分别应用一个函数？
【发布时间】：2013-05-04 08:07:45
【问题描述】：

我希望能够遍历矩阵以将函数应用于每一行。我怎样才能为 Numpy 矩阵做到这一点？

【问题讨论】：

如果你解释你想要达到什么/应用什么样的功能，你可能会得到更多有用的答案。另外，您可能想看看：stackoverflow.com/questions/8079061/…
请发布您的代码。如果您还没有尝试过，请尝试一些东西并发布您遇到的问题

标签： python matrix numpy

【解决方案1】：

您可以使用numpy.apply_along_axis()。假设你的数组是二维的，你可以像这样使用它：

import numpy as np
mymatrix = np.matrix([[11,12,13],
                      [21,22,23],
                      [31,32,33]])
def myfunction(x):
    return sum(x)

print(np.apply_along_axis(myfunction, axis=1, arr=mymatrix))
#[36 66 96]

【讨论】：

如果您使用numpy 函数，您可以（通常）只指定轴，例如：mymatrix.sum(axis=1)。
没错，myfunction 中的 sum() 只是一个示例，但在某些情况下，例如here、np.apply_along_axis() 可能非常有用
可以，是的 - 不知道函数会使问题变得模棱两可。
问题是apply_along_axis是一个伪装的Python for循环。它可以给人一种 numpy 性能的错觉，但它不会提供它。在您链接的问题中，使用 apply_along_axis 与使用 for 循环相比没有任何好处。尝试向量化你想应用于每一行的任何函数是 numpythonic 做事的方式。

【解决方案2】：

如果您想尝试使用多进程来处理 numpy 数组的每一行，这是我的看法，

from multiprocessing import Pool
import numpy as np

def my_function(x):
    pass     # do something and return something

if __name__ == '__main__':    
    X = np.arange(6).reshape((3,2))
    pool = Pool(processes = 4)
    results = pool.map(my_function, map(lambda x: x, X))
    pool.close()
    pool.join()

pool.map 接受一个函数和一个可迭代对象。
我使用“map”函数在数组的每一行上创建一个迭代器。
不过，也许有更好的方法来创建可迭代对象。

【讨论】：

【解决方案3】：

虽然您当然应该提供更多信息，但如果您尝试遍历每一行，您可以使用 for 循环进行迭代：

import numpy
m = numpy.ones((3,5),dtype='int')
for row in m:
  print str(row)

【讨论】：

这不是低效的实现吗？
@Lokesh，这是为什么呢？
@Brendan 已经很晚了，但是在 numpy 数组上循环通常很昂贵，因为每次执行循环时，python 解释器和 numpy 代码都必须交换数据。
@sohnryang，感谢您的回复。在过去，我通过索引（例如for i in range(m)）对 numpy 数组进行了迭代，并且在我的经验中，直到 100k 次左右的迭代，这并不是性能瓶颈。该线程似乎表明将每一行分配给row 变量可能是缓慢的部分，因此基于索引的迭代可能是这里的方法，而不是变量分配：stackoverflow.com/questions/39371021/…