numpy.ufunc.reduceat#

方法

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

对单个轴上的指定切片执行（局部）归约。

对于 range(len(indices)) 中的 i，reduceat 计算 ufunc.reduce(array[indices[i]:indices[i+1]])，这将成为最终结果中平行于axis 的第 i 个广义“行”（例如，在二维数组中，如果axis = 0，则成为第 i 行，但如果axis = 1，则成为第 i 列）。对此有三个例外情况

  • 当 i = len(indices) - 1（即最后一个索引）时，indices[i+1] = array.shape[axis]。

  • 如果 indices[i] >= indices[i + 1]，则第 i 个广义“行”只是 array[indices[i]]。

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

输出的形状取决于indices 的大小，并且可能大于array（如果 len(indices) > array.shape[axis]，就会发生这种情况）。

参数：
arrayarray_like

要操作的数组。

indicesarray_like

成对的索引，用逗号分隔（不是冒号），指定要归约的切片。

axisint，可选

应用 reduceat 的轴。

dtype数据类型代码，可选

用于执行操作的数据类型。如果提供了out，则默认为out的数据类型，否则默认为array的数据类型（尽管在某些情况下会向上转换以保留精度，例如整数或布尔输入的numpy.add.reduce）。

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，则可以将其包装在一个 1 元素的元组中。

版本 1.13.0 中的更改： 元组允许用于关键字参数。

返回值：
rndarray

归约后的值。如果提供了out，则r 是对out 的引用。

备注

一个描述性示例

如果array 为一维，则函数ufunc.accumulate(array) 等于 ufunc.reduceat(array, indices)[::2]，其中indices 是 range(len(array) - 1)，并在每隔一个元素中放置一个零：indices = zeros(2 * len(array) - 1)，indices[1::2] = range(1, len(array))。

不要被此属性的名称所迷惑：reduceat(array) 不一定比array 小。

示例

获取四个连续值的累加和

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

二维示例

>>> 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.]])
本页内容