1d陣列上的numpy apply_along_axis

Question

當numpy.apply_along_axis將1d數組作爲輸入時會發生什麼？當我用它維數組上，我看到了一些奇怪的事情：

y=array([1,2,3,4]) 

首先嚐試：

apply_along_axis(lambda x: x > 2, 0, y) 
apply_along_axis(lambda x: x - 2, 0, y) 

回報：

array([False, False, True, True], dtype=bool) 
array([-1, 0, 1, 2]) 

然而，當我嘗試：

apply_along_axis(lambda x: x - 2 if x > 2 else x, 0, y) 

我收到一個錯誤：

The truth value of an array with more than one element is ambiguous. Use a.any() or a.all() 

我當然可以使用列表解析，然後轉換回陣列代替，但似乎令人費解，我覺得當應用於一維數組像我失去了一些東西約apply_along_axis。

UPDATE：按照傑夫G公司的回答，我的困惑來自一個事實，即只有一個軸一維數組，什麼被傳遞給函數實際上是在一維數組本身，而不是單個元素造成的。

「numpy.where」顯然對我所選擇的例子更好（也不需要apply_along_axis），但我的問題實際上是將每個普通函數（需要一個標量並返回一個標量）應用於每個函數一個數組的元素（除了列表理解），類似於pandas.Series.apply（或map）。我知道'向量化'，但它似乎不比列表理解更難處理。

Answer 1

我不清楚你是否在問如果y必須是1-D（答案是否定的，它可以是多維的），或者如果你問到傳入apply_along_axis的函數。對此，答案是肯定的：你傳遞的函數必須採用一維數組。 （這明確表示爲in the function's documentation）。

在您的三個示例中，type的x始終是一維數組。前兩個例子工作的原因是因爲Python隱式地沿着該陣列廣播了>和-運算符。

你的第三個例子失敗了，因爲在if/else這個陣列上沒有這樣的廣播。爲了與apply_along_axis一起工作，您需要傳遞一個需要一維數組的函數。 numpy.where將爲此工作：

>>> apply_along_axis(lambda x: numpy.where(x > 2, x - 2, x), 0, y) 
array([1, 2, 1, 2]) 

P.S.在所有這些例子中，由於廣播，apply_along_axis是不必要的。你可以實現這些相同的結果：

>>> y > 2 
>>> y - 2 
>>> numpy.where(y > 2, y - 2, y) 

Answer 2

這個答案解決了更新的增編你原來的問題：

numpy.vectorize將採取的elementwise功能，並返回一個新的功能。新功能可以應用於整個陣列。這就像map，但它使用numpy的廣播規則。

f = lambda x: x - 2 if x > 2 else x # your elementwise fn 
fv = np.vectorize(f) 
fv(np.array([1,2,3,4])) 
# Out[5]: array([1, 2, 1, 2])