作用於numpy數組的所有元素的函數？

我不知道你是否可以定義一個函數同時作用於一維numpy數組的所有元素，這樣你就不必遍歷數組。例如，類似於您可以將數組的所有元素放在一起而不循環。的我後的一個例子是將這段代碼：作用於numpy數組的所有元素的函數？

A = np.array([ [1,4,2], [5,1,8], [2,9,5], [3,6,6] ]) 
B = [] 

for i in A: 
    B.append(i[0] + i[1] - i[2]) 

B = array(B) 
print B

輸出：

>>> array([3, -2, 6, 3])

的東西，如：

A = np.array([ [1,4,2], [5,1,8], [2,9,5], [3,6,6] ]) 

def F(Z): 
    return Z[0] + Z[1] - Z[2] 

print F(A)

使輸出是一樣的東西：

>>> array([ [3] , [-2], [6], [3] ])

我知道第二個代碼w不會產生我所追求的，但我只是想說出我在說什麼。謝謝！

編輯：

我用上面的函數只是一個簡單的例子。我想用真正的功能是這樣的：

from numpy import linalg as LA 

def F(Z): 
    #Z is an array of matrices 
    return LA.eigh(Z)[0]

所以我有3×3矩陣陣列，我想他們的特徵值的輸出數組。我想知道是否有可能以某種numpythonic的方式做到這一點，以便不必遍歷數組。

2016-07-23 cracka31

切片可能會有所幫助：http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#basic-slicing-and-indexing – Divakar

'B = A [：，0] + A [:, 1] - A [:, 2]'？（假設你的意思是'我[2]'而不是'[2]'）或者你可以使用'np.dot'：你實質上是在這裏做一個矩陣一矢量乘法。 –

'numpy'已經定義了一組基本的函數，這些函數對一個或多個數組的所有元素進行操作。有效的'numpy'代碼結合了這些功能。把它想象成一堆「平行」的積木。在「串行」思考之前嘗試使用它們（循環遍歷「標量」函數）。 – hpaulj

嘗試：

np.apply_along_axis(F, 1, A)

2016-07-23 20:15:03 Aguy

然而，在這種特殊情況下，這是不必要的低效率，因爲在'apply_along_axis'的實現中涉及到Python級''for'循環。（呃，實際上，這是一個'while'循環，但它也是一樣。）簡單的切片解決方案可能會更好。 –

是的，這是事實。我只是跑了一些測試，這個解決方案不能比for循環更快。這絕對是一種更有效的編寫代碼的方式，但它並沒有減少計算效率，這是我的目標。我認爲切片可能是要走的路。感謝大家的回覆。 – cracka31

回答