Help us understand the problem. What is going on with this article?

リスト内包表記を使わずにnumpy.arrayの行or列に関数を適用する

More than 3 years have passed since last update.

やりたいこと

>>> def dobule(x):
...     print(x)
...     return x * 2
...
>>> A = np.arange(6).reshape((3,2))
>>> A
array([[0, 1],
       [2, 3],
       [4, 5]])

自作関数をAの行or列単位で適用する方法を考える。

>>> np.array([double(a) for a in A])
[0 1]
[2 3]
[4 5]
array([[ 0,  2],
       [ 4,  6],
       [ 8, 10]])

上のようにリスト内包表記を使うことで実現は可能だが、
for文を使わないで済む方法を考えたい。

numpy.vectorize

https://docs.scipy.org/doc/numpy/reference/generated/numpy.vectorize.html

>>> import numpy as np
>>> np.vectorize(double)(A)
0
0
1
2
3
4
5
array([[ 0,  2],
       [ 4,  6],
       [ 8, 10]])

(要素数は6つなのに何で7回printされてるんだろう?)

numpy.vectorizeだと要素ごとに関数を適用することになり、
行or列単位で適用することはできない。

numpy.apply_along_axis

https://docs.scipy.org/doc/numpy/reference/generated/numpy.apply_along_axis.html

>>> np.apply_along_axis(double, 0, A)
[0 2 4]
[1 3 5]
array([[ 0,  2],
       [ 4,  6],
       [ 8, 10]])
>>> np.apply_along_axis(double, 1, A)
[0 1]
[2 3]
[4 5]
array([[ 0,  2],
       [ 4,  6],
       [ 8, 10]])

numpy.apply_along_axisを使えば行or列単位で関数を適用することができる。

ysk24ok
今後Qiitaに記事を更新することはありません。
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away