[英]Applying a function to a 3D array in numpy
我有一個3D numpy.ndarray(想像具有RGB的圖像)
a = np.arange(12).reshape(2,2,3)
'''array(
[[[ 0, 1, 2], [ 3, 4, 5]],
[[ 6, 7, 8], [ 9, 10, 11]]])'''
一個處理列表輸入的函數;
my_sum = lambda x: x[0] + x[1] + x[2]
我應該怎么做才能將此功能應用於每個像素? (或2D數組的每個1D元素)
這個問題和我的一樣。 因此,我首先嘗試了它。
np.apply_along_axis(my_sum, 0, a.T).T #EDIT np.apply_along_axis(my_sum, -1, a) is better
起初,我以為這是解決方案,但這太慢了,因為np.apply_along_axis不是為了提高速度
我將np.vetorize應用於my_func。
vector_my_func = np.vectorize(my_sum)
但是,我什至不知道如何調用此向量化函數。
vector_my_func(0,1,2)
#=> TypeError: <lambda>() takes 1 positional argument but 3 were given
vector_my_func(np.arange(3))
#=> IndexError: invalid index to scalar variable.
vector_my_func(np.arange(12).reshape(4,3))
#=> IndexError: invalid index to scalar variable.
vector_my_func(np.arange(12).reshape(2,2,3))
#=> IndexError: invalid index to scalar variable.
我完全不知道該怎么做。
建議方法的基准結果。 (已使用jupyter筆記本並為每個測試重新啟動了內核)
a = np.ones((1000,1000,3))
my_sum = lambda x: x[0] + x[1] + x[2]
my_sum_ellipsis = lambda x: x[..., 0] + x[..., 1] + x[..., 2]
vector_my_sum = np.vectorize(my_sum, signature='(i)->()')
%timeit np.apply_along_axis(my_sum, -1, a)
#1 loop, best of 3: 3.72 s per loop
%timeit vector_my_sum(a)
#1 loop, best of 3: 2.78 s per loop
%timeit my_sum(a.transpose(2,0,1))
#100 loops, best of 3: 12 ms per loop
%timeit my_sum_ellipsis(a)
#100 loops, best of 3: 12.2 ms per loop
%timeit my_sum(np.moveaxis(a, -1, 0))
#100 loops, best of 3: 12.2 ms per loop
一種選擇是轉置numpy數組,將第三個軸交換為第一個軸,然后可以將函數直接應用於它:
my_sum(a.transpose(2,0,1))
#array([[ 3, 12],
# [21, 30]])
或將sum函數重寫為:
my_sum = lambda x: x[..., 0] + x[..., 1] + x[..., 2]
my_sum(a)
#array([[ 3, 12],
# [21, 30]])
從numpy 1.12開始, vectorize
獲得了signature
參數。 因此,您可以將其用作:
my_sum = lambda x: x[0] + x[1] + x[2]
vector_my_sum = np.vectorize(my_sum, signature='(i)->()') # vector to scalar
vector_my_sum(a)
不幸的是,這是一條比普通vectorize
慢得多的代碼路徑,后者在1.12中至少在C中運行for循環。
在我的機器上,使用numpy master
,這僅比apply_along_axis
快10%(盡管apply_along_axis
自1.12以來已大大改變了實現)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.