numpy.ufunc.accumulate#

方法

ufunc.accumulate(array, axis=0, dtype=None, out=None)#

累加将运算符应用于所有元素的结果。

对于一维数组，accumulate 产生的结果等同于

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() 等同于 np.cumsum()。

对于多维数组，accumulate 仅沿一个轴应用（默认为轴零；参见下面的示例），因此如果要在多个轴上累加，则需要重复使用。

参数:
arrayarray_like（类数组）

要操作的数组。

axisint, 可选

应用累加的轴；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。

outndarray, None, 或 ndarray 和 None 的元组, 可选

存储结果的位置。如果未提供或为 None，则返回新分配的数组。为了与 ufunc.__call__ 保持一致，如果作为关键字参数传入，可以是省略号 (out=...，这与 None 具有相同的效果，因为始终会返回一个数组)，或一个单元素元组。

返回:
rndarray

累加后的值。如果提供了 out，则 r 是对 out 的引用。

示例

一维数组示例

>>> import numpy as np
>>> 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）累加，向下遍历列

>>> 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）累加，通过行遍历

>>> np.add.accumulate(I, 1)
array([[1.,  1.],
       [0.,  1.]])
本页内容