numpy.ufunc.reduceat #

方法

ufunc。reduceat (数组,索引, axis = 0 , dtype = None , out = None ) #

对单个轴上的指定切片执行（局部）reduce。

对于 i in range(len(indices))，reduceat计算，它成为最终结果中与axisufunc.reduce(array[indices[i]:indices[i+1]])平行的第 i 个广义“行” （即，在二维数组中，例如，如果axis = 0，则它成为第 i 行，但是如果 axis = 1，则成为第 i 列）。但有以下三个例外：

当（最后一个索引也是如此）时， .i = len(indices) - 1indices[i+1] = array.shape[axis]
如果，第 i 个广义“行”就是。indices[i] >= indices[i + 1]array[indices[i]]
如果或，则会引发错误。indices[i] >= len(array)indices[i] < 0

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

参数：

数组类似数组: 要执行操作的数组。
类似数组的索引: 成对索引，逗号分隔（不是冒号），指定要减少的切片。
轴int，可选: 沿其应用缩减的轴。
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；如果未提供输出数组，则默认为输入数组的数据类型。
out ndarray、None 或 ndarray 和 None 的元组，可选: 存储结果的位置。如果未提供或无，则返回新分配的数组。为了与保持一致 ufunc.__call__，如果作为关键字给出，则可以将其包装在 1 元素元组中。

版本 1.13.0 中进行了更改：关键字参数允许使用元组。

返回：

r ndarray: 减少的值。如果提供了out ，则 r是对out的引用。

笔记

一个描述性的例子：

如果array是一维，则函数ufunc.accumulate(array)与是相同，其中每个其他元素都放置一个零： , 。ufunc.reduceat(array, indices)[::2]indicesrange(len(array) - 1)indices = zeros(2 * len(array) - 1)indices[1::2] = range(1, len(array))

不要被这个属性的名称所迷惑：reduceat(array)不一定小于array。

例子

求四个连续值的运行总和：

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

一个二维示例：

>>> 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.]])