ufunc 对象

Numpy 有两种基本对象：ndarray (N-dimensional array object) 和 ufunc (universal function object)。ndarray 是存储单一数据类型的多维数组，而 ufunc 则是能够对数组进行处理的函数。

例如，我们之前所接触到的二元操作符对应的 Numpy 函数，如 add，就是一种 ufunc 对象，它可以作用于数组的每个元素。

import numpy as np
a = np.array([0,1,2])
b = np.array([2,3,4])

np.add(a, b)

输出结果：array([2, 4, 6])

dir(np.add)
['__call__',
 '__class__',
 '__delattr__',
 '__doc__',
 '__format__',
 '__getattribute__',
 '__hash__',
 '__init__',
 '__name__',
 '__new__',
 '__reduce__',
 '__reduce_ex__',
 '__repr__',
 '__setattr__',
 '__sizeof__',
 '__str__',
 '__subclasshook__',
 'accumulate',
 'at',
 'identity',
 'nargs',
 'nin',
 'nout',
 'ntypes',
 'outer',
 'reduce',
 'reduceat',
 'signature',
 'types']
除此之外，大部分能够作用于数组的数学函数如三角函数等，都是 ufunc 对象。
特别地，对于二元操作符所对应的 ufunc 对象，支持以下方法：
reduce 方法
op.reduce(a)
将op沿着某个轴应用，使得数组 a 的维数降低一维。
add 作用到一维数组上相当于求和：

 
 

  
  
   
   
    
    y=add.recuce(a)=a[0]+a[1]+...+a[N−1]=∑n=0N−1a[n]
   
   
 
 

 

a = np.array([1,2,3,4])

np.add.reduce(a)

输出结果： 10
多维数组默认只按照第一维进行运算：

a = np.array([[1,2,3],[4,5,6]])

np.add.reduce(a)

输出结果：   array([5, 7, 9])
指定维度：

np.add.reduce(a, 1)

输出结果：array([ 6, 15])

作用于字符串：

a = np.array(['ab', 'cd', 'ef'], np.object)

np.add.reduce(a)

输出结果：     'abcdef'
逻辑运算：

a = np.array([1,1,0,1])

np.logical_and.reduce(a)
np.logical_or.reduce(a)

输出结果：False   True

a = np.array([1,2,3,4])

np.add.accumulate(a)

输出结果：      array([ 1, 3, 6, 10])

a = np.array(['ab', 'cd', 'ef'], np.object)

np.add.accumulate(a)

输出结果：     array(['ab', 'abcd', 'abcdef'], dtype=object)

a = np.array([0, 10, 20, 30, 40, 50])
indices = np.array([1,4])

np.add.reduceat(a, indices)

输出结果：    array([60, 90])
这里， indices  为  [1, 4] ，所以  60  表示从下标1（包括）加到下标4（不包括）的结果， 90  表示从下标4（包括）加到结尾的结果。

outer 方法

op.outer(a, b)

对于 a 中每个元素，将 op 运用到它和 b 的每一个元素上所得到的结果：

a = np.array([0,1])
b = np.array([1,2,3])

np.add.outer(a, b)
#注意顺序
np.add.outer(b, a)

输出结果：

array([[1, 2, 3],
       [2, 3, 4]])

array([[1, 2],
       [2, 3],
       [3, 4]])