numpy.ufunc.reduceat

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

Выполняет (локальное) сокращение с указанными срезами по одной оси.

Для i в range(len(indices)), reduceat вычисляет ufunc.reduce(a[indices[i]:indices[i+1]]), что становится i-ой обобщенной «строкой», параллельной axis в окончательном результате (например, в 2-мерном массиве, если axis = 0, это становится i-ой строкой, но если axis = 1, это становится i-ым столбцом). Существует три исключения из этого:

• когда i = len(indices) - 1 (так что 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, генерируется ошибка.

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

Параметры:

a : array_like Массив для обработки. indices : array_like Парные индексы, разделенные запятыми (а не двоеточием), задающие срезы для сокращения. axis : int, optional Ось, по которой применять reduceat. dtype : data-type code, optional Тип, используемый для представления промежуточных результатов. По умолчанию соответствует типу данных выходного массива, если он задан, или типу данных входного массива, если выходной массив не задан. out : ndarray, None, or tuple of ndarray and None, optional Место для хранения результата. Если не указан или None, возвращается только что выделенный массив. Для согласованности с ufunc.__call__, если задан в качестве ключевого аргумента, он может быть заключен в кортеж из 1 элемента. Изменено в версии 1.13.0: Кортежи разрешены для ключевых аргументов.

Возвращает:

r : ndarray Сокращенные значения. Если out был предоставлен, r является ссылкой на out.

Примечания

Дескриптивный пример:

Если a является 1-мерным, функция ufunc.accumulate(a) такая же, как ufunc.reduceat(a, indices)[::2] где indices это range(len(array) - 1) с нулем, помещенным в каждый второй элемент: indices = zeros(2 * len(a) - 1), indices[1::2] = range(1, len(a)).

Не обманывайтесь именем этого атрибута: reduceat(a) не обязательно меньше, чем a.

Примеры

Для вычисления текущей суммы четырех последовательных значений:

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

Пример 2-мерный:

>>> 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.]])