将多个函数应用于 numpy 数组的每一行

Question

假设我们有一个 3 行和 2 列的矩阵 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 3 行乘以函数的输出维度。

如何在不以矢量化方式循环的情况下执行此操作？

例如

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

其中

 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)

Answer 1

函数列表对数组行的直接应用：

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]

将多个函数应用于 numpy 数组的每一行

Apply multiple functions to each row of a numpy array

python

numpy

function

vectorization