将函数应用于numpy数组，但没有像我预期的那样工作

Question

>>> ndarr = np.array([0, 1, 2])
>>> (lambda x: x + 1) (ndarr)
array([1, 2, 3])

我看到它用应用于它的功能替换了每个元素

但当我对二维阵列这样做时：

>>> ndarr = np.array([[0, 1, 2], [3, 4, 5]])
>>> (lambda x: x[0]) (ndarr)
array([0, 1, 2])

我认为这将取数组的两个元素[0，1，2]和[3，4，5]，将lambda应用于它们，得到0和3，结果将是[0，3]。但这将该函数应用于整个数组。为什么？我该怎么做才能得到[0,3]？

Answer 1

如您所注意到的，在numpy数组上应用+ 1将导致所有元素增加一。然而，这并不意味着使用numpy数组执行的每个操作都将是"；映射"；。在第二个示例中，有一个简单的嵌套列表，您可以选择外部列表的第一个元素。如果您只使用常规Python:，也会发生完全相同的情况

>>> nlist = [[0, 1, 2], [3, 4, 5]]
>>> (lambda x: x[0]) (nlist)
[0, 1, 2]

如果要对每个嵌套数组应用操作，则需要查找映射。然而，这个问题可以用一个切片最容易地解决：

>>> ndarr = np.array([[0, 1, 2], [3, 4, 5]])
>>> ndarr[:,0]
array([0, 3])