如何用Numpy对每两列应用自定义函数进行计算

不用显式遍历，直接利用Numpy的数组重塑（reshape）+ 向量化运算就能高效实现需求，这是最符合Numpy风格的做法，避免了Python循环带来的性能损耗。

实现步骤与代码示例 #

1. 数组重塑分组：将原矩阵的列维度拆分为「组数×每组2列」的结构，这样每一组就是你需要处理的两列。
2. 向量化计算平方和：对每组的两列直接按指定维度计算平方和。

import numpy as np

# 示例：构造一个4行6列的矩阵
matrix = np.arange(24).reshape(4, 6)

# 1. 重塑矩阵，将列分为每2列一组
# shape 从 (4,6) 变为 (4, 3, 2) → (行数, 组数, 每组列数)
grouped_matrix = matrix.reshape(matrix.shape[0], -1, 2)

# 2. 对每组的两列计算平方和，axis=2表示沿着每组的列维度求和
sum_squares = np.sum(grouped_matrix ** 2, axis=2)

# 如果需要将结果转为列向量，可进一步重塑
column_vector = sum_squares.flatten().reshape(-1, 1)

关键说明 #

• reshape(matrix.shape[0], -1, 2) 中的 -1 会让Numpy自动计算组数（总列数÷2），无需手动计算。
• 整个过程完全是Numpy内部的向量化运算，性能远优于Python层面的循环遍历。
• 如果原矩阵列数为奇数，可通过切片先取前偶数列（如 matrix[:, :-1]），或根据需求单独处理最后一列。

内容的提问来源于stack exchange，提问作者studentname