如何使用 sklearn.metrics 在 2D numpy.array 上水平（行）计算平均绝对误差？

问：

我试图计算二维数组mean_absolute所有行的误差。这是我的代码：

from sklearn.metrics import mean_absolute_error as mae


arr = np.array([[1.7, 3.1], [2.1, 2.7], [0.9, 0.7], [0.3, 0.8]])
result_arr = np.apply_along_axis(mae, 0, arr[:, 0], arr[:,1])

但是，我得到的结果如下：

array(0.675)

我想得到这样的 mae 值（行）：

array([[mae_value1],
       [mae_value2],
       [mae_value3],
       [mae_value4]])

顺便说一句，我必须使用 sklearn.metrics 计算 mae，并且没有循环。有什么有效的方法可以做到这一点吗？