避免使用for循环操作高维数组:numpy.apply_along_axis用法

于 2024-06-06 22:36:22 发布
阅读量273 收藏
点赞数 6
分类专栏： Python从高级新手到精通 文章标签： numpy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/douhuanmin123/article/details/139511411
版权

文章目录

场景

设想我有一列高维向量，读取之后的数据都是字符串变量，我需要把这些字符串数据转换为复数之后求绝对值
在这里插入图片描述

实际操作

在使用pd.read_csv()读取数据之后，将这一列数据转换为numpy数组

data = pd.read_csv(path,header=3).to_numpy() # header表示读取数据的时候要跳过前多少行，我这里需要调过录制的备注信息
print(data.shape) # [12800,1]

编写相关函数

convert_s_c = lambda x : np.abs(np.complex128(x[0].replace('i','j')))

针对每个元素，取到第一个元素就是对应的字符串，替换成j后才能正常的从str对象转换成np.complex复数对象，然后才能使用绝对值进行操作

np.apply_along_axis

ccc = np.apply_along_axis(convert_s_c,-1,ccc)

参数从左到右依次是，需要应用到对应元素的函数，操作的维度，被操作的numpy数组对象
打印形状之后发现正常工作，比写for循环更加可读
在这里插入图片描述

Dou_Huanmin
关注
专栏目录
Numpy自定义功能函数 【np.apply_along_axis()】（Numpy篇-14）
侯小啾技术博客
12-09 1458
Numpy自定义功能函数 np.apply_along_axis()
Python中numpy.apply_along_axis()函数的用法
weixin_30823227的博客
09-09 709
numpy.apply_along_axis(func,axis,arr,*args,**kwargs)： 必选参数：func,axis,arr。其中func是我们自定义的一个函数，函数func(arr)中的arr是一个数组，函数的主要功能就是对数组里的每一个元素进行变换，得到目标的结果。 其中axis表示函数func对数组arr作用的轴。 可选参数...
python中numpy.apply_along_axis()函数的用法
热门推荐
starmoth的博客
11-07 2万+
1.函数原型 numpy.apply_along_axis(func, axis, arr, *args, **kwargs) 2.作用： 将arr数组的每一个元素经过func函数变换形成的一个新数组 3.参数介绍: 其中func，axis，arr是必选的 func是我们写的一个函数 axis表示函数func对arr是作用于行还是列 arr便是我们要进行操作的数组了 可选参数：*args, **k...
numpy.apply_along_axis
庾信平生最萧瑟
12-04 680
numpy.apply_along_axis 1、api numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs) 2、参数和返回值 参数： fun1d 处理沿axis轴的arr数据，接收一维的数据 axis 按那个轴处理 arr 要处理的数据 返回值： 处理后的array型数据，比arr少了...
python numpy np_python – numpy np.apply_along_axis功能加快？
weixin_39929635的博客
02-19 356
np.apply_along_axis不速度.没有办法将纯Python函数应用于Numpy数组的每个元素,而不需要多次调用,而不是AST重写.幸运的是有解决方案：>矢量化虽然这通常很困难,但通常是一个简单的解决方案.找到某种方式来表达您的计算方式,以推广这些元素,所以您可以一次在整个矩阵上工作.这将导致循环从Python中升级,并进行大量优化的C和Fortran例程.> JITing：...
np.apply_along_axis函数用法
水木的编程生涯
03-11 7551
这个函数的各个参数的含义请大家自行查阅了解，这里只记录一下参数axis的作用。 首先定义一个函数来打印数组的shape与内容，然后生成一个4x3的数组array： def print_a(array): print("shape: %s, array is \n%s"%(array.shape, array)) array=np.array([[2,3,4],[3,4,5],[6,7,8],[7,8,9]]) 对这个数组调用np.apply_along_axis函数，看该函数会对数组产生什么作用
python--------------apply_along_axis()函数
生活如此美好，致敬每一个热爱“热爱”的人！
09-26 824
python--------------apply_along_axis()函数
Python之数据分析（星期均值、星期汇总、Numpy的take与where方法、apply_along_axis函数）
Viewinfinitely的博客
07-18 2086
文章目录一、处理星期数据二、apply_along_axis函数的用法三、星期汇总案例 一、处理星期数据 1、datetime对象的weekday()方法 该方法将会用0到6这七个数字表示周一到周日 2、计算周一到周五数据平均值的三种方法 数组[关系表达式]：关系表达式的值是一个布尔型数组，其中为True的元素是数组中满足关系表达式的元素。以上下标运算的值就是从数组拣选与布尔数组中为True的元素相对于的元素。 np.where(关系表达式)：数组中满足关系表达式的元素的下标数组 np.take(数组,
NumPy 基础知识
m0_61634551的博客
10-16 295
NumPy支持比Python更多种类的数字类型。本节显示了哪些可用，以及如何修改数组的数据类型。NumPy数值类型是dtype（数据类型）对象的实例，每个对象都具有独特的特征。使用后导入NumPy在dtypes可作为np.bool_np.float32等等。上表中未列出的高级类型将在中进行探讨。intintp数据类型可以用作将python数转换为数组标量的函数（请参阅数组标量部分以获得解释），将python数字序列转换为该类型的数组，或作为许多numpy函数或方法接受的dtype关键字的参数。
NumPy最详细入门笔记
qq_41914800的博客
09-16 4747
写在前面：这篇笔记是由本人原创，兄弟萌如果觉得不错的话，可以点个关注或收藏，方便以后查阅呀。 文章目录前言一、创建ndarray1. 直接创建2. 快捷创建：使用NumPy功能函数创建2.1 np.zeros()函数2.2 np.ones()函数2.3 np.eye()函数2.4 np.arange()函数2.5 np.linspace()函数2.6 np.full()函数2.5 np.tile()函数2.10 创建随机ndarray2.10.1 np.random.random()函数2.10.2 np.
Adapter Tuning：详细解读Parameter-Efficient Transfer Learning for NLP
沉迷单车的追风少年
06-04 1612
大语言模型实在是太火了，各种技术日新月异，研究diffusion models的从LLMs中找一些研究灵感已经是基操了。当模型比较小的时候，微调全部参数还是可以的。但是现在的大预训练模型时代，微调所有参数不仅效果堪忧，对资源的消耗也非常恐怖，所以这就是做有效微调的初衷。为了研究清楚如何进行有效的大模型微调，我打算沿着Adapter Tuning——Prefix Tuning——Prompt Tuning——P-Tuning——lora的路线详细讲解一下，希望可以对做diffusion models的同学有所
【进阶】使用Numpy进行数值积分
![【进阶】使用Numpy进行数值积分]...创建数组可以使用`numpy.array()`函数，如： ```python import numpy as np # 创建一个包含数字的数组 arr = np.array([1, 2, 3, 4, 5]) # 创建一个包含浮点数的数组 arr =
np.apply_along_axis的例子
weixin_42599908的博客
02-14 241
np.apply_along_axis 的作用是在数组的每一个轴上执行函数，它的一个常见的例子是对于二维数组的每一行或每一列进行计算： import numpy as np def calculate_row_sum(row): return sum(row) a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 计算每一行的和 row_...
2020-08-19 numpy.apply_along_axis():
benbencan的专栏
08-19 130
python numpy.apply_along_axis(): https://www.cnblogs.com/zz22--/p/7498868.html
numpy：性能提升之利用numpy的apply_along_axis函数替代pandas的apply函数
S_o_l_o_n的博客
11-15 1万+
pandas的DataFrame的apply函数可以实现对指定的轴进行遍历操作，这是个很方便也很常用的函数，但是问题在于，当我们的数据量较大，比如有50万行，这时要对50万行进行逐行遍历的话，如果对每行的操作用到了Series索引，那么这将是一个非常耗时的过程，因为对于pandas来说，索引操作是低效的，这种低效再经过50万行放大，那么性能就会显得很差。对此，我们可以通过numpy的...
np.apply_along_axis()怎么使用？举个例子
weixin_42596011的博客
02-12 260
np.apply_along_axis() 是 Numpy 库中的一个函数，它允许在数组的特定轴上使用自定义函数。这是一个非常强大的工具，因为它可以将自定义函数应用到数组的每一行或每一列。 使用方法： numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs) ...
理解np.apply_along_axis||Cython array-based functions
漫步量化
08-24 320
Overview From ExponentialMovingWindow: def _apply(self, func): """ Rolling statistical measure using supplied function. Designed to be used with passed-in Cython array-based functions. Parameters ---------- fun..
apply_along_axis
最新发布
07-18
`apply_along_axis` 是 NumPy 库中的一个函数，它允许你在数组的指定轴上应用特定的函数。这个函数通常用于数据处理和数组操作，当需要对数组的每一行、每一列或其他维度的数据进行独立计算时非常有用。 其基本语法如下： ```python numpy.apply_along_axis(function, axis, arr, *args, **kwargs) ``` 参数说明： 1. `function`: 需要应用于数组轴上的函数。 2. `axis` (int): 指定应用函数的轴，0表示沿着第一个维度（行），1表示第二个维度（列）等。 3. `arr`: 要操作的 NumPy 数组。 4. `*args` 和 `**kwargs`: 这些参数将传递给 `function` 函数。 例如，如果你有一个二维数组，你可以沿某列（轴=1）求平均值： ```python mean_down_column = np.apply_along_axis(np.mean, 1, your_array) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Dou_Huanmin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值