连续 2d 切片上的 Numpy 向量化函数

我有一个 3D numpy 数组。我想通过在沿轴的连续 2d 切片上执行函数并将生成的切片堆叠在一起来形成一个新的 3d 数组。显然有很多方法可以做到这一点；我想以最简洁的方式做到这一点。我认为这是可能的numpy.vectorize，但这似乎产生了一个迭代数组中每个值的函数，而不是通过沿第一个轴移动获取的 2D 切片。

基本上，我想要看起来像这样的代码：

new3dmat = np.vectorize(func2dmat)(my3dmat)

并完成与此相同的事情：

new3dmat = np.empty_like(my3dmat)
for i in range(my3dmat.shape[0]):
  new3dmat[i] = func2dmat(my3dmat[i])

我怎样才能做到这一点？

恐怕像下面这样的东西是简洁和性能之间的最佳折衷方案。不幸的是，apply_along_axis 不采用多个轴。

new3dmat = np.array([func2dmat(slice) for slice in my3dmat])

就额外分配等而言，它并不理想，但除非 .shape[0] 相对于 .size 很大，否则额外的开销应该是最小的。