将多个函数应用于 numpy 数组的每一行答案

【问题标题】：Apply multiple functions to each row of a numpy array将多个函数应用于 numpy 数组的每一行
【发布时间】：2019-03-26 21:17:56
【问题描述】：

假设我们有一个 3 行 2 列的矩阵作为mat，我想在每 3 行上应用列表what_functions_to_apply_list 的一个函数，我有它们的定义。所以np.apply_along_axis 的输出应该是函数输出维度的 3 行乘以。

如果不以矢量化方式循环，我该如何做到这一点？

例如

def f1(inp1,inp2):
     return out1, out2

在哪里

 functions_dic = {'f1': func1, 'f2':func2, 'f3':func3}
 what_functions_to_apply_list = ['f1','f1','f2']
 funcs_inputs = [[inp11,inp12], [inp21,inp32], [inp31,inp32]]
 mat = np.ones((3, 2))
 np.apply_along_axis(what_functions_to_apply_list , 1, mat)

【问题讨论】：

你不能。应用这样的自定义函数必然需要调用 Python，它将以for-loop speed 运行
apply_along_axis 不适合这种用途。首先，第一个参数是一个函数，而不是函数列表。即使使用正确的函数，它也不是显式迭代的更快替代方案。它不是一个“无循环矢量化”工具。
请添加示例数据。

标签： python function numpy vectorization

【解决方案1】：

将函数列表直接应用于数组的行：

In [418]: alist = [np.add, np.subtract, np.multiply]                            
In [419]: data = np.arange(6).reshape(3,2)                                      
In [420]: [foo(*ab) for foo, ab in zip(alist, data)]                            
Out[420]: [1, -1, 20]

【讨论】：

如何为每个函数提供输入
这是提供输入，data 的行。如果您指的是其他参数（例如轴），则必须创建首先设置这些参数的函数（或 lambdas）。