Numpy 通用函数

frompyfunc的调用格式为frompyfunc(func, nin, nout)，其中func是计算单个元素的函数，nin是此函数的输入参数的个数，nout是此函数的返回值的个数

# 注：用frompyfunc得到的函数计算出的数组元素的类型为object，因为frompyfunc函数无法保证Python函数返回的数据类型都完全一致

1. 创建通用函数(步骤)
# 定义一个python函数

import numpy as np

def answer(a):
result = np.zeros_like(a)
result.flat = 42
return result

ufunc = np.frompyfunc(answer, 1, 1)
print (ufunc(np.arange(4)))
# [array(42) array(42) array(42) array(42)]

　　

# 对二维数组进行操作

A = ufunc(np.arange(4).reshape(2,2))
print (A)
#[[array(42) array(42)]
# [array(42) array(42)]]

　　

# 解析：定义了一个Python函数。其中，我们使用zeros_like函数根据输入参数的形状初始化一个全为0的数组，然后利用ndarray对象的flat属性将所有的数组元素设置为“终极答案”其值为42

 

 

2. 通用函数的方法
通用函数有四个方法，不过只对输入两个参数、输出一个参数的ufunc对象有效

# add 上调用通用函数的方法

(1). reduce方法 (对数组的reduce计算结果等价于对数组元素求和)

import numpy as np
B = np.arange(9)
B1 = np.add.reduce(B)
print (B1)
# 36

 

(2). accumulate方法(可以递归作用于输入数组,将存储运算的中间结果并返回)

B2 = np.add.accumulate(B)
print (B2)
# [ 0 1 3 6 10 15 21 28 36]

　　

(3). reduceat方法需要输入一个数组以及一个索引值列表作为参数

B3 = np.add.reduceat(B,[0,5,2,7])
print (B3)
# [10 5 20 15]

# 解析：第一步用到索引值列表中的0和5，实际上就是对数组中索引值在0到5之间的元素进行reduce操作。

print (np.add.reduce(B[0:5]))

　　

# 第二步用到索引值5和2。由于2比5小，所以直接返回索引值为5的元素

print (np.add.reduce(B[5]))

　　

# 第三步用到索引值2和7。这一步是对索引值在2到7之间的数组元素进行reduce操作

print (np.add.reduce(B[2:7]))

　　

# 第四步用到索引值7。这一步是对索引值从7开始直到数组末端的元素进行reduce操作

print (np.add.reduce(B[7:]))

(4). outer方法返回一个数组，它的秩（rank）等于两个输入数组的秩的和。它会作用于两个输入数组之间存在的所有元素对

B4 = np.add.outer(np.arange(3),B)
print (B4)
#[[ 0 1 2 ..., 6 7 8]
# [ 1 2 3 ..., 7 8 9]
# [ 2 3 4 ..., 8 9 10]]