NumPy 1.14 - numpy.apply_over_axes()
numpy.apply_over_axes

numpy.apply_over_axes
-
numpy.apply_over_axes(func, a, axes)
[source] -
कई अक्षों पर बार-बार एक फ़ंक्शन लागू करें।
func
कोres = func(a, axis)
कहा जाता है, जहांaxis
का पहला तत्व है। फ़ंक्शन कॉल के परिणामस्वरूप परिणाम में या तो एक ही आयाम या एक कम आयाम होना चाहिए। यदिres
में एक से कम आयाम हैं, तोaxis
से पहले डाला जाताaxis
।func
को कॉल फिरaxes
में प्रत्येक अक्ष के लिए दोहराया जाता है, पहले तर्क के रूप मेंres
साथ।पैरामीटर: func : फ़ंक्शन
इस फ़ंक्शन को दो तर्क,
func(a, axis)
लेना चाहिए।a : array_like
इनपुट सरणी
कुल्हाड़ियों : array_like
धुरी जिस पर लागू किया जाता है; तत्वों को पूर्णांक होना चाहिए।
यह दिखाता है: apply_over_axis : ndarray
आउटपुट सरणी। आयामों की संख्या एक के समान
a
, लेकिन आकार अलग हो सकता है। यह इस बात पर निर्भर करता है कि क्याfunc
अपने इनपुट के संबंध में अपने आउटपुट के आकार को बदलता है या नहीं।यह भी देखें
-
apply_along_axis
- दिए गए अक्ष के साथ एक सरणी के 1-डी स्लाइस पर एक फ़ंक्शन लागू करें।
टिप्पणियाँ
यह फ़ंक्शन टॉडल अक्ष तर्कों के बराबर है जो कि रिड्यूजेबल ufuncs के रखवाले = ट्रू के साथ हैं। 1.7.0 संस्करण के बाद से ufuncs के लिए ट्यूल अक्ष तर्क उपलब्ध हैं।
उदाहरण
>>> a = np.arange(24).reshape(2,3,4) >>> a array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[12, 13, 14, 15], [16, 17, 18, 19], [20, 21, 22, 23]]])
कुल्हाड़ियों पर 0 और 2 पर योग। परिणाम में मूल सरणी के समान आयाम होते हैं:
>>> np.apply_over_axes(np.sum, a, [0,2]) array([[[ 60], [ 92], [124]]])
टफ़ल अक्ष तर्क ufuncs के बराबर हैं:
>>> np.sum(a, axis=(0,2), keepdims=True) array([[[ 60], [ 92], [124]]])
-