numpy.ufunc.reduceat #
方法
- ufunc。reduceat (数组,索引, axis = 0 , dtype = None , out = None ) #
对单个轴上的指定切片执行(局部)reduce。
对于 i in
range(len(indices))
,reduceat
计算 ,它成为最终结果中与axisufunc.reduce(array[indices[i]:indices[i+1]])
平行的第 i 个广义“行” (即,在二维数组中,例如,如果axis = 0,则它成为第 i 行,但是如果 axis = 1,则成为第 i 列)。但有以下三个例外:当(最后一个索引也是如此)时, .
i = len(indices) - 1
indices[i+1] = array.shape[axis]
如果,第 i 个广义“行”就是。
indices[i] >= indices[i + 1]
array[indices[i]]
如果或,则会引发错误。
indices[i] >= len(array)
indices[i] < 0
输出的形状取决于 的大小
indices
,并且可能大于array
(如果 则发生这种情况)。len(indices) > array.shape[axis]
- 参数:
- 数组类似数组
要执行操作的数组。
- 类似数组的索引
成对索引,逗号分隔(不是冒号),指定要减少的切片。
- 轴int,可选
沿其应用缩减的轴。
- dtype数据类型代码,可选
用于表示中间结果的类型。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
减少的值。如果提供了out ,则 r是对out的引用 。
笔记
一个描述性的例子:
如果
array
是一维,则函数ufunc.accumulate(array)与 是相同, 其中每个其他元素都 放置一个零: , 。ufunc.reduceat(array, indices)[::2]
indices
range(len(array) - 1)
indices = zeros(2 * len(array) - 1)
indices[1::2] = range(1, len(array))
不要被这个属性的名称所迷惑:reduceat(array)不一定小于
array
。例子
求四个连续值的运行总和:
>>> np.add.reduceat(np.arange(8),[0,4, 1,5, 2,6, 3,7])[::2] array([ 6, 10, 14, 18])
一个二维示例:
>>> x = np.linspace(0, 15, 16).reshape(4,4) >>> x array([[ 0., 1., 2., 3.], [ 4., 5., 6., 7.], [ 8., 9., 10., 11.], [12., 13., 14., 15.]])
# reduce such that the result has the following five rows: # [row1 + row2 + row3] # [row4] # [row2] # [row3] # [row1 + row2 + row3 + row4]
>>> np.add.reduceat(x, [0, 3, 1, 2, 0]) array([[12., 15., 18., 21.], [12., 13., 14., 15.], [ 4., 5., 6., 7.], [ 8., 9., 10., 11.], [24., 28., 32., 36.]])
# reduce such that result has the following two columns: # [col1 * col2 * col3, col4]
>>> np.multiply.reduceat(x, [0, 3], 1) array([[ 0., 3.], [ 120., 7.], [ 720., 11.], [2184., 15.]])