遍历Numpy矩阵行以各应用一个函数？
我希望能够遍历矩阵以将函数应用于每一行。如何针对Numpy矩阵执行此操作？
问题答案：
使用numpy.apply_along_axis()。假设您的矩阵是2D，则可以这样使用：
import numpy as np
mymatrix = np.matrix([[11,12,13],
[21,22,23],
[31,32,33]])
def myfunction( x ):
return sum(x)
print np.apply_along_axis( myfunction, axis=1, arr=mymatrix )
#[36 66 96]
-
问题内容： 我正在使用Numpy将数据存储到矩阵中。从R背景开始，有一种极其简单的方法将函数应用于矩阵的行/列或两者。 python / numpy组合是否有类似的东西？编写自己的小实现不是问题，但是在我看来，我想出的大多数版本都将比现有的实现效率低得多/占用更多内存。 我想避免从numpy矩阵复制到局部变量等，这可能吗？ 我尝试实现的功能主要是简单的比较（例如，某列中有多少个元素小于数字x，或者
-
问题内容： 有没有那么冗长的替代方案： 我想出了这个： 这节省了一个缩进，但仍然很丑陋。 我希望看起来像这样的伪代码： 有没有类似的东西存在？ 问题答案： 我认为您正在寻找ndenumerate。 关于性能。它比列表理解要慢一些。 如果您担心性能，可以通过查看实现来进一步优化，该实现有两件事，转换为数组并循环。如果知道有数组，则可以调用平面迭代器的属性。
-
问题内容： 我想知道最好的方法是用scipy.sparse迭代稀疏矩阵的非零条目。例如，如果我执行以下操作： 输出是 因此看来迭代器正在接触每个元素，而不仅仅是非零条目。我看过API http://docs.scipy.org/doc/scipy/reference/generation/scipy.sparse.lil_matrix.html 并搜索了一下，但是我似乎找不到有效的解决方案。 问题
-
问题内容： 我是Numpy的新手，想替换矩阵的一部分。例如，我有两个由numpy生成的矩阵A，B 最终，我想使A为以下矩阵。 和/或以下 我尝试跟随，但没有用。我现在不知道了:( 甚至我尝试过 检查四个单元是否更改。你有什么主意吗？ 问题答案： 这是您可以执行的操作：
-
问题内容： 我有以下内容： 如何在XYZ_2上执行与在XYZ_2上相同的操作？我会以某种方式首先重塑数组吗？ 问题答案： 您似乎正在尝试的最后一个轴 与最后一个 。因此，您可以像这样使用- 相关帖子了解。 为了完整起见，在交换的最后两个轴后，我们当然也可以使用，例如- 这将不如一个高效。 运行时测试- 一般而言，涉及张量时，效率要高得多。由于的轴只有一个，因此我们可以通过重整，使用，获取结果并将其
-
主要内容：逐元素矩阵乘法,矩阵乘积运算,矩阵点积矩阵乘法是将两个矩阵作为输入值，并将 A 矩阵的行与 B 矩阵的列对应位置相乘再相加，从而生成一个新矩阵，如下图所示： 注意：必须确保第一个矩阵中的行数等于第二个矩阵中的列数，否则不能进行矩阵乘法运算。 图1：矩阵乘法 矩阵乘法运算被称为向量化操作，向量化的主要目的是减少使用的 for 循环次数或者根本不使用。这样做的目的是为了加速程序的计算。 下面介绍 NumPy 提供的三种矩阵乘法，从而进一步