在多個維度有效地拆開包裝與numpy的

A = np.angle(np.random.uniform(-1,1,[10,10,10]) + 1j*np.random.uniform(-1,1,[10,10,10]))

我現在想解開這個陣列中的所有尺寸。在上述情況下，3D，我會做

A_unwrapped = np.unwrap(np.unwrap(np.unwrap(A,axis=0), axis=1),axis=2)

雖然這仍然是在3D的情況下是可行的，在更高維度的情況下，這種做法在我看來，有些麻煩。有沒有更有效的方法來做到這一點與numpy？

2017-07-19 Ethunxxx

'np.apply_over_axes（np.unwrap，A，（0，1，2））''也許？ –

@cᴏʟᴅsᴘᴇᴇᴅ這也是一個很好的！人們可以使用'np.arange（ndim）'指定軸。你想發佈它作爲答案嗎？ – Ethunxxx

呃，當然。完成。 –

你可以使用np.apply_over_axes，這應該又一個數組的每個維度應用功能：

np.apply_over_axes(np.unwrap, A, np.arange(len(A.shape)))

我相信這應該這樣做。

2017-07-19 09:33:21

我期望所有這些解決方案都具有相同的速度，因爲它們都調用'unwrap''ndim'次。 – hpaulj

@hpaulj是的...在這一點上，它只是你想要解包代碼需要多少行代碼。 –

我不確定是否有辦法繞過每個軸執行unwrap操作。顯然，如果它對單個元素採取行動，你可以使用矢量化，但在這裏似乎並不是一種選擇。你可以做什麼，這將至少使代碼清潔是創造超過尺寸的循環：

for dim in range(len(A.shape)): 
    A = np.unwrap(A, axis=dim)

你還可以重複應用一個函數，它在其尺寸爲參數進行操作：

reduce(lambda A, axis: np.unwrap(A, axis=axis), range(len(A.shape)), A)

請記住，在Python 3中需要從functools導入reduce。

2017-07-19 09:20:19

回答