📌  相关文章
📜  NumPy.add() 上的方法

📅  最后修改于: 2022-05-13 01:55:11.877000             🧑  作者: Mango

NumPy.add() 上的方法

ufunc期望一组标量作为输入并产生一组标量作为输出。普遍的
函数可以与数学方面有关，例如加法、减法、除法、乘法等。

numpy.add 上的方法

实际上，通用函数不是函数，而是表示函数的对象。这里我们使用函数- add，它们有两个输入参数并返回一个输出参数（ufunc 的签名不匹配将导致 ValueError。因此这仅适用于二进制通用函数）。

add 的四种方法是：

  • 减少
  • 积累
  • 外
  • 减少

在本教程中，我们将详细介绍上述每个函数。

numpy.ufunc.reduce()

通过沿指定轴在连续元素上递归应用通用函数来减少给定的输入数组。
注意： add.reduce()等价于sum()

例子： 

# Reducing an array using np.add.reduce()
  
import numpy as np
  
  
# Array formation
a = np.arange(10)
  
# Reduction occurs column-wise with 
# 'int' datatype
b = np.add.reduce(a, dtype = int, axis = 0)
print("The array {0} gets reduced to {1}".format(a, b))

输出

The array [0 1 2 3 4 5 6 7 8 9] gets reduced to 45

numpy.ufunc.accumulate()

它将中间结果存储在一个数组中并返回它。结果，在 add函数的情况下，等效于调用 cumsum函数。

例子： 

import numpy as np
  
  
# Array formation
a = np.arange(10)
  
# Cumulative sum of array, column wise,
# float datatype
c = np.add.accumulate(a, axis = 0, dtype = float)
  
print("The array {0} gets added cumulatively to {1}".format(a, c))

输出

numpy.ufunc.outer()

'outer' 方法返回一个具有排名的数组，该排名是其两个输入数组的排名之和。该方法适用于所有可能的输入数组元素对。

例子： 

# To find the outer of two input arrays
import numpy as np
  
  
# Initialization of a 2x2 matrix 
# as first input
a = np.arange(4).reshape(2,2)
  
# Initialization of an array as
# second input
b = np.arange(3)
  
# Outer of a & b
z = np.add.outer(b, a)
  
print("The outer of {0} & {1} is {2}".format(b,a,z))

输出

The outer of [0 1 2] & [[0 1]
 [2 3]] is [[[0 1]
  [2 3]]

 [[1 2]
  [3 4]]

 [[2 3]
  [4 5]]]

numpy.ufunc.reduceat()

“ reduceat() ”方法需要一个输入数组和一个索引列表作为参数。 reduceat()方法通过逐步的过程来执行其操作。我们将通过四个步骤来查找它的动作。

例子： 

# Reduceat method example
  
import numpy as np
  
  
a = np.arange(9)
z = np.add.reduceat(a, [1, 4, 2, 8])
  
print("Reduceat of matrix {} is {}".format(a,z))

输出

第1步
它涉及索引 1 和 4。此步骤导致索引 1 和 4 之间的数组元素的操作减少。 

import numpy as np
  
  
a = np.arange(9)
print("Result of STEP-I is", np.add.reduce(a[0:4]))

输出

Result of STEP-I is 6

第2步
第二步涉及索引 4 和 2。由于 2 小于 4，因此返回索引 4 处的数组元素： 

import numpy as np
  
  
a = np.arange(9)
print("Result of STEP-II is", a[4])

输出

Result of STEP-II is 4

第 3 步
第三步涉及索引 2 和 8。此步骤导致索引 2 和 8 之间的数组元素的归约操作： 

import numpy as np
  
  
a = np.arange(9)
print("Result of STEP-III is", np.add.reduce(a[2:8]))

输出

Result of STEP-III is 27

第4步
第四步涉及索引 8。这一步导致从索引 8 到数组末尾的数组元素的归约操作： 

import numpy as np
  
  
a = np.arange(9)
print("Result of step IV is", np.add.reduce(a[8:]))

输出

Result of step IV is 8

通过所有这一步，我们得到了“numpy.add.reduceat”的输出。