numpy.ufunc.reduceat

ufunc.reduceat(a, indices, axis=0, dtype=None, out=None)

Выполняет (локальное) сокращение с заданными срезами по одному из осей.

Для i в range(len(indices)), reduceat вычисляет ufunc.reduce(a[indices[i]:indices[i+1]]), которое становится i-ой обобщенной “строкой” параллельно axis в конечном результате (например, в двумерной матрице, если axis = 0, это становится i-ой строкой, а если axis = 1, это становится i-ым столбцом). Есть три исключения из этого:

• когда i = len(indices) - 1 (следовательно, для последнего индекса), indices[i+1] = a.shape[axis].
• если indices[i] >= indices[i + 1], i-ая обобщенная “строка” просто a[indices[i]].
• если indices[i] >= len(a) или indices[i] < 0, возникает ошибка.

Форма выходного массива зависит от размера indices и может быть больше, чем a (это происходит, если len(indices) > a.shape[axis]).

Параметры:

a : array_like Массив, над которым выполняется операция. indices : array_like Сдвоенные индексы, разделенные запятыми (не двоеточием), определяющие срезы для сокращения. axis : int, необязательно Ось, по которой выполняется сокращение. dtype : код типа данных, необязательно Тип, используемый для представления промежуточных результатов. По умолчанию совпадает с типом выходного массива, если он предоставлен, или с типом входного массива, если выходной массив не указан. out : ndarray, необязательно Местоположение, в которое сохраняется результат. Если не указано, возвращается новый массив.

Возвращает:

r : ndarray Значения, полученные в результате сокращения. Если out был предоставлен, r является ссылкой на out.

Примечания

Дескриптивный пример:

Если a является одномерным, функция ufunc.accumulate(a) эквивалентна ufunc.reduceat(a, indices)[::2], где indices равно range(len(array) - 1) с нулём, помещённым в каждый другой элемент: indices = zeros(2 * len(a) - 1), indices[1::2] = range(1, len(a)).

Не путайте название этого атрибута: reduceat(a) не обязательно меньше, чем a.

Примеры

Чтобы получить сумму последовательных четырёх значений:

>>> np.add.reduceat(np.arange(8),[0,4, 1,5, 2,6, 3,7])[::2]
array([ 6, 10, 14, 18])

Пример с двумерным массивом:

>>> x = np.linspace(0, 15, 16).reshape(4,4)
>>> x
array([[  0.,   1.,   2.,   3.],
       [  4.,   5.,   6.,   7.],
       [  8.,   9.,  10.,  11.],
       [ 12.,  13.,  14.,  15.]])

# reduce such that the result has the following five rows:
# [row1 + row2 + row3]
# [row4]
# [row2]
# [row3]
# [row1 + row2 + row3 + row4]

>>> np.add.reduceat(x, [0, 3, 1, 2, 0])
array([[ 12.,  15.,  18.,  21.],
       [ 12.,  13.,  14.,  15.],
       [  4.,   5.,   6.,   7.],
       [  8.,   9.,  10.,  11.],
       [ 24.,  28.,  32.,  36.]])

# reduce such that result has the following two columns:
# [col1 * col2 * col3, col4]

>>> np.multiply.reduceat(x, [0, 3], 1)
array([[    0.,     3.],
       [  120.,     7.],
       [  720.,    11.],
       [ 2184.,    15.]])