如何迭代numpy数组的第n维？ [复制]答案

【问题标题】：How to iterate over the n-th dimenstion of a numpy array? [duplicate]如何迭代numpy数组的第n维？ [复制]
【发布时间】：2019-06-05 12:17:31
【问题描述】：

我使用连接任意形状的 numpy 数组以使我的代码更清晰，但是，我似乎很难以 python 式的方式对其进行迭代。

让我们考虑一个 4 维数组 x（因此是 len(x.shape) = 4），并且我想要迭代的索引是 2，我通常使用的天真的解决方案类似于

y = np.array([my_operation(x[:, :, i, :])
              for i in range(x.shape[2])])

我正在寻找更具可读性的东西，因为有这么多“：”很烦人，而且 x 的尺寸发生任何变化都需要重写我的部分代码。像魔法一样的东西

y = np.array([my_operation(z) for z in magic_function(x, 2)])

是否有一个 numpy 方法可以让我遍历数组的任意维度？

【问题讨论】：

任何轴上的迭代都是次优的。快速编译的ufuncs 提供axis 或axes 参数，因此您不必显式迭代。有一些“应用...”功能，但它们是便利工具，而不是性能增强器。为了获得更多的通用性，Python 代码往往会很长。因此，您自己的“magic_function”，调整到您自己的可能迭代子集是最佳选择。

标签： python numpy

【解决方案1】：

一种可能的解决方案是使用 dict()。

你可以做的是：

x = dict()
x['param1'] = [1, 1, 1, 1]
x['param2'] = [2, 2, 2, 2]

print(x['param1']) 
# > [1, 1, 1, 1]

【讨论】：

【解决方案2】：

我不知道有什么标准方法可以做到这一点。不管怎样，你的把戏很好。我们可以稍微详细说明一下，我们会得到您正在寻找的“魔术函数”的实现：

def magic_function(x, n):
    slices = [slice(w) for w in x.shape]
    for i in range(x.shape[n]):
        slices[n] = i
        z = x[tuple(slices)]
        yield z

【讨论】：

【解决方案3】：

您可以暂时将所需的轴移到前面，然后遍历数组。然后将轴向后移动：

x = np.moveaxis(x, 2, 0)
x = np.array([my_operation(sub_x) for sub_x in x])
x = np.moveaxis(x, 0, 2)

【讨论】：