numpy apply_along_axisが機能しないのはなぜですか？

Question

は、同じ行を持ちますが順序が違う2つのnumpy ndarraysです。関数g1を行単位で適用すると、同じ結果が別の順序で返されることが予想されます。しかし、そうではありません。

g1(x): 
    return max(0, (x[0] - 1)**2 + (x[1] - 1)**2 - 1.05**2) 

Case1: 
sol1 = np.array(
     [ 
      [0, 0], 
      [1, 1], 
      [0, 1], 
      [1, 0], 
      [0.2, 0.7], 
      [0.5, 0.5], 
      [0.75, 0], 
      [0.25, 0.8], 
      [0.5, 0.6], 
      [0.2, 0.7], 
     ] 
) 
v = numpy.apply_along_axis(g1, 1, sol1) 

This produce: [ 0.8975, 0., 0., 0., 0., 0., 0., 0., 0., 0.] as expected. 
Case2: 
# The same array with rows shuffled. 
sols = numpy.array(
     [ 
      [0, 1], 
      [0.2, 0.7], 
      [0.5, 0.5], 
      [0.75, 0], 
      [0.2, 0.7], 
      [1, 0], 
      [0.25, 0.8], 
      [0.5, 0.6], 
      [0, 0], 
      [1, 1], 
     ] 
) 
v = numpy.apply_along_axis(g1, 1, sols) 
This produces: [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.] which is wrong. 
Should be: [ 0., 0., 0., 0., 0., 0., 0., 0., 0.8975, 0.] 

私のシステムでは、次のとおりです。 numpyの：1.13.1： のpython：3.6.2： Win10プロ： conda：あなたの計算を再作成4.3.27

おかげ

Answer 1

：

In [25]: def g1(x): 
    ...:  return max(0, (x[0] - 1)**2 + (x[1] - 1)**2 - 1.05**2) 
    ...: 
In [26]: g1([0,0]) 
Out[26]: 0.8975 
In [27]: g1([1,1]) 
Out[27]: 0 
In [28]: np.apply_along_axis(g1,1,[[0,0],[1,1]]) 
Out[28]: array([ 0.8975, 0. ]) 
In [29]: np.apply_along_axis(g1,1,[[1,1],[0,0],[1,1]]) 
Out[29]: array([0, 0, 0]) 

Out[29]は整数配列であり、記述する浮動小数点数ではありません（t帽子はコピーアンドペーストではない？）。

apply_along_axisは、リターンdtypeを決定するための試算を使用します。最初のcaseが整数を返す場合、結果を取得する整数配列を作成します。 floatを整数配列に代入すると、切り捨てられます。

私はこの問題をnp.vectorizeと見ており、ここでも起こっていると思われます。 apply_along_axisのコードを見て、どこでどのように起きているのかを確認できます。

したがって、g1をmax(0.0, ...)に変更すると、関数は必ずfloatを返し、applyは正しいdtypeを返します。

---

コードの関連作品：

res = asanyarray(func1d(inarr_view[ind0], *args, **kwargs)) 

# build a buffer for storing evaluations of func1d. 
# remove the requested axis, and add the new ones on the end. 
# laid out so that each write is contiguous. 
# for a tuple index inds, buff[inds] = func1d(inarr_view[inds]) 
buff = zeros(inarr_view.shape[:-1] + res.shape, res.dtype)