numpy.ufunc.accumulate#
方法
- ufunc.accumulate(array, axis=0, dtype=None, out=None)#
累积将运算符应用于所有元素的结果。
对于一维数组,accumulate 生成的结果等效于
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 只在一个轴上应用(默认情况下是轴 0;参见下面的示例),因此如果想要累积多个轴,则需要重复使用它。
- 参数:
- array类似数组
要操作的数组。
- axis整数,可选
要应用累积的轴;默认值为零。
- 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
将结果存储到的位置。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,则它可能被包装在一个单元素元组中。版本 1.13.0 中更改: 元组允许作为关键字参数。
- 返回值:
- rndarray
累积的值。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.]])
沿着轴 0(行)累积,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.]])
沿着轴 1(列)累积,通过行
>>> np.add.accumulate(I, 1) array([[1., 1.], [0., 1.]])