如何在Python中对numpy数组指定轴无循环应用自定义函数

首先拆解原函数a的核心逻辑：对输入矩阵的每一行，判断行首元素+行尾元素≤100，返回对应的布尔值列表；若输入为空矩阵，则返回空列表。

要实现无显式循环的高效处理，可借助numpy的向量化操作替代行级循环，再批量处理数组d中的每个子矩阵：

步骤1：重构向量化处理函数 #

将原函数的行级循环替换为numpy数组运算，大幅提升效率：

import numpy as np

def process_matrix(mat):
    if mat.size == 0:
        return np.array([], dtype=bool)
    # 向量化计算每行首元素+尾元素
    sum_first_last = mat[:, 0] + mat[:, -1]
    # 直接生成布尔数组，与原函数逻辑完全一致
    return sum_first_last <= 100

步骤2：批量处理数组d #

针对d的object类型特性，有两种高效批量处理方式：

1. 使用np.vectorize实现批量调用（伪向量化，适配形状各异的子元素场景）：

vectorized_process = np.vectorize(process_matrix, otypes=[object])
result = vectorized_process(d)

2. 使用列表推导式（隐式循环，在object数组场景下往往比显式循环更高效）：

result = np.array([process_matrix(mat) for mat in d], dtype=object)

效果验证 #

以你提供的示例d为例：

• 第一个子矩阵array([[87,594,907],[976,635,192],[3,580,115]])，计算每行首+尾后返回array([False, False, False])
• 第二个子矩阵array([[0,148,1]])，计算后返回array([True])
• 空数组则返回空布尔数组，与原函数行为完全匹配

内容的提问来源于stack exchange，提问作者Vishak Raj