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)
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]])