numpy.ufunc.accumulate#

方法

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

累加应用运算符到所有元素的结果。

对于一维数组，accumulate 的结果等效于：

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() 等效于 np.cumsum()。

对于多维数组，accumulate 只沿一个轴应用（默认情况下为轴零；参见下面的示例），因此如果想要累加多个轴，则需要重复使用。

参数：
arrayarray_like

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。如果未提供或为 None，则返回一个新分配的数组。为了与 ufunc.__call__ 保持一致，如果作为关键字给出，则可以用一个 1 元素的元组将其包装。

返回值：
rndarray

累加的值。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，向下累加列

>>> 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，穿过行

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