如何在一个维度上应用函数并将结果另存为数据集中的新变量

Question

假设我有一个这样的数据集

nx1, nx2, nx3 = 5, 3, 20
ds = xray.Dataset()
ds.coords.update({'x1': ('x1', range(nx1)), 
                  'x2': ('x2', range(nx2)), 
                  'x3': ('x3', range(nx3))})
ds['A'] = (['x1', 'x2', 'x3'], np.random.randn(nx1, nx2, nx3))
ds['B'] = (['x1', 'x2', 'x3'], np.random.randn(nx1, nx2, nx3))

以及一个函数func，它接受输入变量 A 和 B，但它沿x3维工作，只接受形状 (nx3,) 的数组，并输出形状(nx3,)数组。 如果我想将此函数应用于上述数据集并将结果保存为名为 C 的新变量，请遵循以下方法，

required_shape = (len(ds.coords['x1']), 
                  len(ds.coords['x2']),
                  len(ds.coords['x3']))
if 'C' not in ds:
    ds.update({'C': (['x1', 'x2', 'x3'], np.zeros(required_shape))})
for ix1, x1 in enumerate(ds.coords['x1']):
    for ix2, x2 in enumerate(ds.coords['x2']):
        args = dict(x1=ix1, x2=ix2)
        a = ds['A'][args]
        b = ds['B'][args]
        c = func(a.values, b.values)
        ds['C'][args] = c

通过在数据集中初始化一个新数组并在其他维度上使用 for 循环？

Answer 1

我对 pandas 不感兴趣，但其他数据类型的一般解决方案也是使用推导，并摆脱嵌套循环和初始化步骤。

required_shape = (len(ds.coords['x1']), 
                  len(ds.coords['x2']),
                  len(ds.coords['x3']))
ds['C'] = (['x1', 'x2', 'x3'], np.array([
    func(ds['A'][args].values, ds['B'][args].values)
    for ix1, x1 in enumerate(ds.coords['x1'])
    for ix2, x2 in enumerate(ds.coords['x2'])
    for args in (dict(x1=ix1, x2=ix2),)]).reshape(required_shape))

编辑：顺便说一下，

ds['C'] = func(ds['A'], ds['B'])

对于一个简单的函数，似乎工作得很好，例如：

def func(a, b):
    return a + b