numpy.ufunc.accumulate #
方法
- ufunc。累积(数组,轴= 0, dtype =无,输出=无)#
累积将运算符应用于所有元素的结果。
对于一维数组,accumulate 产生的结果相当于:
r = np.empty(len(A)) t = op.identity # op = the ufunc being applied to A's elements for i in range(len(A)): t = op(t, A[i]) r[i] = t return r
例如,add.accumulate() 相当于 np.cumsum()。
对于多维数组,累加仅沿一个轴(默认情况下为零轴;请参见下面的示例)应用,因此如果想要在多个轴上累加,则需要重复使用。
- 参数:
- 数组类似数组
要执行操作的数组。
- 轴int,可选
应用累积的轴;默认为零。
- dtype数据类型代码,可选
用于表示中间结果的数据类型。如果提供了输出数组,则默认为输出数组的数据类型;如果未提供输出数组,则默认为输入数组的数据类型。
- out ndarray、None 或 ndarray 和 None 的元组,可选
存储结果的位置。如果未提供或无,则返回新分配的数组。为了与 保持一致
ufunc.__call__
,如果作为关键字给出,则可以将其包装在 1 元素元组中。版本 1.13.0 中进行了更改:关键字参数允许使用元组。
- 返回:
- r ndarray
累计值。如果提供了out ,则 r是对out的引用 。
例子
一维数组示例:
>>> np.add.accumulate([2, 3, 5]) array([ 2, 5, 10]) >>> np.multiply.accumulate([2, 3, 5]) array([ 2, 6, 30])
二维数组示例:
>>> I = np.eye(2) >>> I array([[1., 0.], [0., 1.]])
沿轴 0(行)、向下列累积:
>>> np.add.accumulate(I, 0) array([[1., 0.], [1., 1.]]) >>> np.add.accumulate(I) # no axis specified = axis zero array([[1., 0.], [1., 1.]])
沿轴 1(列)、通过行累积:
>>> np.add.accumulate(I, 1) array([[1., 1.], [0., 1.]])