np.apply_along_axis函数用法

函数原型：

numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs)

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和*args的作用。

参数axis

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

tmp=np.apply_along_axis(print_a, 0, array) # 在0维上调用

结果如下：
shape: (4,), array is 
[2 3 6 7]
shape: (4,), array is 
[3 4 7 8]
shape: (4,), array is 
[4 5 8 9]

可以看到，数组array被切成了3部分，每一部分是array在维度0上的元素，也就是说，apply_along_axis的功能是将数组在指定维度上的元素聚合起来，聚合的结果是一个向量，array的维度是4x3，如果将第0维聚合起来的话，每一个向量的长度为4，如果将第1维聚合起来，那么每一个向量的维度是3；

下面是在维度1上调用该函数的结果

tmp=np.apply_along_axis(print_a, 1, array)

结果如下：
shape: (3,), array is 
[2 3 4]
shape: (3,), array is 
[3 4 5]
shape: (3,), array is 
[6 7 8]
shape: (3,), array is 
[7 8 9]

参数args

args指这个函数可以接受很多其他参数，这些参数要传入函数func1d中进行使用，需要注意的是，除了第3个参数arr之外，后面传入的参数不会被按照维度切分，就是说后面传入的数组会原封不动的传入到函数func1d中。

示例代码：

def print_b(arr, brr):
    print(arr.shape, brr.shape)

arr=np.array([[2,3],[3,4]]) # (2,2)
brr=np.array([[2,3,4],[3,4,5],[6,7,8],[7,8,9]]) # (4,3)

# 调用apply_along_axis函数
tmp=np.apply_along_axis(print_b,0,arr,brr)

结果如下：

tmp=np.apply_along_axis(print_b,0,arr,brr)
(2,) (4, 3)
(2,) (4, 3)

可以看到，brr的维度没有变化。