python - 有没有一种简单的方法可以将函数应用于 numpy 数组的子集？

Question

假设我有以下 numpy 数组

>>> import numpy as np
>>> arr = np.array([[[1,2,3,4], [5,6,7,8]], [[1,2,3,4], [5,6,7,8]]])
>>> arr
array([[[1, 2, 3, 4],
        [5, 6, 7, 8]],
       [[1, 2, 3, 4],
        [5, 6, 7, 8]]])

我想将函数映射到数组的子部分，例如:

flip_sign = lambda x: x*(-1)

在我的示例中，我只想将此函数应用于第二行，产生:

array([[[1, 2, 3, 4],
        [5, 6, 7, 8]],
       [[-1, -2, -3, -4],
        [-5, -6, -7, -8]]])

本质上我想使用类似的东西

np.apply_along_axis(flip_sign, 1, arr)

但指定应应用此函数的沿轴 0 的索引(或索引范围)。

当然，我可以将数组拆分为子集，然后将函数应用于子集并再次连接子集。
但是是否有一个内置(numpy)函数可以轻松做到这一点？

Answer 1

如果您的函数足够简单，例如标量乘法或求和，您可以直接将其应用于数组的部分

import numpy as np

arr = np.array([[[1,2,3,4], [5,6,7,8]], [[1,2,3,4], [5,6,7,8]]])
flip_sign = lambda x: x*(-1)
arr[1] = flip_sign( arr[1])

输出:

[[[ 1  2  3  4]
  [ 5  6  7  8]]

 [[-1 -2 -3 -4]
  [-5 -6 -7 -8]]]

这之所以有效，是因为 numpy 中实现 * + -/重载的方式。如果您使用标量对数组执行任何此类操作，它将自动对数组的每个元素执行该操作。

对于更复杂的函数np.apply_along_axes可以这样使用:

arr[1] = np.apply_along_axis( flip_sign, 0, arr[1])