函数原型：
numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs)
这个函数的各个参数的含义请大家自行查阅了解，这里只记录一下参数 axis和 *args的作用。
参数axis
首先定义一个函数来打印数组的 shape与内容，然后生成一个4×3的数组 array：
def print_a(array):
print("shape: %s, array is \n%s"%(array.shape, array))
array=np.array([[2,3,4],[3,4,5],[6,7,8],[7,8,9]])
对这个数组调用 np.apply_along_axis函数，看该函数会对数组产生什么作用
tmp=np.apply_along_axis(print_a, 0, array)
结果如下：
shape: (4,), array is
[2 3 6 7]
shape: (4,), array is
[3 4 7 8]
shape: (4,), array is
[4 5 8 9]
可以看到，数组 array被切成了3部分，每一部分是 array在维度0上的元素，也就是说， apply_along_axis的功能是将数组在指定维度上的元素 聚合起来，聚合的结果是一个向量， array的维度是 4x3，如果将第0维聚合起来的话，每一个向量的长度为4，如果将第1维聚合起来，那么每一个向量的维度是3；
下面是在维度1上调用该函数的结果
tmp=np.apply_along_axis(print_a, 1, array)
结果如下：
shape: (3,), array is
[2 3 4]
shape: (3,), array is
[3 4 5]
shape: (3,), array is
[6 7 8]
shape: (3,), array is
[7 8 9]
参数args
args指这个函数可以接受很多其他参数，这些参数要传入函数 func1d中进行使用，需要注意的是，除了第3个参数 arr之外，后面传入的参数不会被按照维度切分，就是说后面传入的数组会原封不动的传入到函数 func1d中。
示例代码：
def print_b(arr, brr):
print(arr.shape, brr.shape)
arr=np.array([[2,3],[3,4]])
brr=np.array([[2,3,4],[3,4,5],[6,7,8],[7,8,9]])
tmp=np.apply_along_axis(print_b,0,arr,brr)
结果如下：
tmp=np.apply_along_axis(print_b,0,arr,brr)
(2,) (4, 3)
(2,) (4, 3)
可以看到，brr的维度没有变化。
Original: https://blog.csdn.net/weixin_44843824/article/details/114665812
Author: 水木的编程那些事儿
Title: np.apply_along_axis函数用法
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/762816/
转载文章受原作者版权保护。转载请注明原作者出处！