多次将函数应用于对象的pythonic方法

Question

我想反复地总结出一条不稳定的射线的不同尺寸。

#what I've got
sumOverDims = [6 4 2 1]
ndarray = any n-dimensional numpy array

#what I want to do
ndarray.sum(6).sum(4).sum(2).sum(1)

如果没有丑陋的循环，我怎么能做到这一点？

Answer 1

Numpy的sum为axis参数接受一个元组：

ndarray.sum(axis=(1,2,4,6))

Answer 2

一般来说，像这样的事情

X.f(e0).f(e1).f(e2).…

可以重新定义为

reduce(lambda a, b: a.f(b), [ e0, e1, e2, … ], X)

或者(如果你不喜欢羔羊)：

def f_(a, b):  return a.f(b)
reduce(f_, [ e0, e1, e2, … ], X)

但是，与使用迭代循环相比，这是否确实使它更易读、更清晰(从而更清晰)，我对此有点怀疑：

result = X
for e in [ e0, e1, e2, … ]:
  result = result.f(e)
return result

我想这归结为品味和你更习惯的东西。

Answer 3

你可以用reduce。一个只有两个维度的例子：

>>> A = numpy.array([[1,2,3],[4,5,6],[7,8,9]])
>>> reduce(numpy.sum, [1], A)
array([ 6, 15, 24])
>>> reduce(numpy.sum, [1, 0], A)
45

reduce的参数是numpy的sum函数，一个维数要加和的列表，numpy数组A作为减少的初始元素，该函数作为参数获得(部分加和) numpy数组和接下来要和的维数。