在行上应用映射函数

Question

我想在2d数组的行上应用map函数。

:

[['1', 'apple'], ['2', 'banana']]

[[1, 'apple'], [2, 'banana']]

numpy.apply_along_axis工作，但想知道使用map()函数

Answer 1

你可以这样做:

lst = [['1', 'apple'], ['2', 'banana']]
[*map(lambda x: [int(x[0]), x[1]], lst)]
# [[1, 'apple'], [2, 'banana']]

但我从来不认为这是特别好的或可读的。将此与领悟式

进行比较

[[int(a), b] for a, b in lst]
# [[1, 'apple'], [2, 'banana']]

Answer 2

您仍然映射整个行，但是您映射的函数将返回一个包含原始行未动部分的新行。

>>> list(map(lambda row: [int(row[0]), row[1]], [['1', 'apple'], ['2', 'banana']]))
[[1, 'apple'], [2, 'banana']]

由于嵌套列表不是一个单一的数据结构(它是一个列表的列表)，因此没有办法只对进行映射，因为没有显式的列对象可以操作。

Answer 3

map，您可能知道，迭代iterable并以当前元素作为参数运行给定的函数，并返回该函数的结果。

因此，要对2D数组使用map，首先要创建一个函数，该函数接受父1D数组的每个元素作为参数。

考虑到您的示例中数组为[['1', 'apple'], ['2', 'banana']]

def map_function(item):
return [int(item[0], item[1])]

现在map将传递1D数组的每个元素i,e。['1', 'apple'],['2', 'banana']，依次转换为map_function，进而将传递列表中的0th元素转换为int。

现在只需将此函数与2D数组一起传递给map。

2D_array = [['1', 'apple'], ['2', 'banana']]
resultant_2D = list(map(map_function, 2D_array))
# [[1, 'apple'], [2, 'banana']]

@chepner的解决方案使用lambda或匿名函数而不是定义函数来使代码简洁，但它都是一样的:)

Answer 4

使用其他答案中所示的辅助函数的map方法是最好的，并且适用于列表的列表(与数组一样好，如果不是更好的话)。

apply_along_axis是在迭代器中，因此不会添加任何重要的内容，特别是当应用于2d数组时。对行进行简单迭代，无论是使用map还是列表推导式，都一样好，甚至更好。

但如果它确实是一个2d数组，而不是列表的列表，还有另一个选项:

In [99]: alist = [['1', 'apple'], ['2', 'banana']]
In [100]: arr = np.array(alist)
In [101]: arr
Out[101]: 
array([['1', 'apple'],
['2', 'banana']], dtype='<U6')

实际上它需要对象dtype，因为结果将包含int和string的混合。这让我们回到了列表的列表。无论如何:

In [102]: arr = np.array(alist, object)
In [103]: arr
Out[103]: 
array([['1', 'apple'],
['2', 'banana']], dtype=object)

我们可以访问一个列，并且作为对象dtype，在适当的地方修改它:

In [104]: arr[:,0]
Out[104]: array(['1', '2'], dtype=object)
In [105]: arr[:,0].astype(int)
Out[105]: array([1, 2])
In [106]: arr[:,0] = arr[:,0].astype(int)
In [107]: arr
Out[107]: 
array([[1, 'apple'],
[2, 'banana']], dtype=object)

我提出这个问题更多的是为了教育目的，而不是作为一个实际的解决方案。