numpy.ufunc.reduceat

方法

ufunc.reduceat(array, indices, axis=0, dtype=None, out=None)

在单个轴上使用指定切片执行（本地）缩减。

因为我在 range(len(indices)) ， reduceat 计算 ufunc.reduce(array[indices[i]:indices[i+1]]) ，它成为第i个广义“行”，与 axis 在最终结果中（例如，在二维数组中，如果 axis = 0 它成为第i排，但是如果 axis = 1 ，它成为第i列）。有三个例外：

• 什么时候？ i = len(indices) - 1 （最后一个索引也是如此） indices[i+1] = array.shape[axis] .

• 如果 indices[i] >= indices[i + 1] ，第i个广义“行”是简单的 array[indices[i]] .

• 如果 indices[i] >= len(array) 或 indices[i] < 0 ，引发错误。

输出的形状取决于 indices ，并且可能大于 array （如果 len(indices) > array.shape[axis] ）

参数

arrayarray_like

要执行的数组。

indicesarray_like

成对索引，逗号分隔（不是冒号），指定要减少的切片。

axis可选的

应用减速器的轴。

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；如果没有提供输出数组，则默认为输入数组的数据类型。

outndarray、none或ndarray和none的元组，可选

存储结果的位置。如果未提供或没有，则返回新分配的数组。为了与 ufunc.__call__ ，如果作为关键字提供，则可以将其包装在一个1元素元组中。

在 1.13.0 版更改: 关键字参数允许使用元组。

返回

r恩达雷

减少的值。如果 out 供应， r 是指 out .

笔记

描述性示例：

如果 array 是一维的，函数 ufunc.accumulate(array) 是一样的 ufunc.reduceat(array, indices)[::2] 在哪里？ indices 是 range(len(array) - 1) 在每个其他元素中放置零： indices = zeros(2 * len(array) - 1) ， indices[1::2] = range(1, len(array)) .

不要被这个属性的名称愚弄： reduceat(array) 不一定小于 array .

实例

取四个连续值的连续和：

>>> np.add.reduceat(np.arange(8),[0,4, 1,5, 2,6, 3,7])[::2]
array([ 6, 10, 14, 18])

二维实例：

>>> 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.]])

numpy.ufunc.reduce numpy.ufunc.nin