转载:https://www.cnblogs.com/xieshengsen/p/6810122.html
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
1
2
3
4
5
6
7
8
9
10
|
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
1
2
3
4
|
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)
1
2
3
4
5
|
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)
1
2
3
|
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
1
2
3
|
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。
1
|
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
1
|
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
1
|
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
1
|
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
1
2
3
4
5
|
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]]
|