Python numpy ufunc.accumulate用法及代码示例

本文简要介绍 python 语言中 numpy.ufunc.accumulate 的用法。

用法:

ufunc.accumulate(array, axis=0, dtype=None, out=None)

累积将运算符应用于所有元素的结果。

对于一维数组，accumulate 产生的结果相当于：

r = np.empty(len(A))
t = op.identity        # op = the ufunc being applied to A's  elements
for i in range(len(A)):
    t = op(t, A[i])
    r[i] = t
return r

例如，add.accumulate() 等价于 np.cumsum()。

对于多维数组，累加仅沿一个轴应用(默认情况下为零轴；请参见下面的示例)，因此如果要在多个轴上累加，则需要重复使用。

参数：

array： array_like

要操作的数组。

axis： 整数，可选

应用累积的轴；默认为零。

dtype： 数据类型代码，可选

用于表示中间结果的数据类型。如果提供，则默认为输出数组的数据类型，如果没有提供输出数组，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 None，则返回一个新分配的数组。为了与 ufunc.__call__ 保持一致，如果作为关键字给出，则可以将其包装在 1 元素元组中。

返回：

r： ndarray

累计值。如果提供了 out，则 r 是对 out 的引用。

例子：

一维数组示例：

>>> np.add.accumulate([2, 3, 5])
array([ 2,  5, 10])
>>> np.multiply.accumulate([2, 3, 5])
array([ 2,  6, 30])

二维数组示例：

>>> I = np.eye(2)
>>> I
array([[1.,  0.],
       [0.,  1.]])

沿轴 0(行)累积，向下列：

>>> np.add.accumulate(I, 0)
array([[1.,  0.],
       [1.,  1.]])
>>> np.add.accumulate(I) # no axis specified = axis zero
array([[1.,  0.],
       [1.,  1.]])

沿轴 1(列)累积，通过行：

>>> np.add.accumulate(I, 1)
array([[1.,  1.],
       [0.,  1.]])