扫码关注官方微信

扫码下载APP
返回顶部
首页 > 资讯 > 后端开发 > Python >Python中的通函数numpy.ufunc详解
  • 112

0
分享到

Python中的通函数numpy.ufunc详解

通函数numpy.ufuncnumpy.ufuncnumpy.ufunc函数 2023-05-15 08:05:12 112人浏览 薄情痞子

Python 官方文档：入门教程 => 点击学习

摘要

目录一、说明二、numpy.ufunc函数概念2.1 numpy.ufunc简介2.2 numpy.ufunc.nin和numpy.ufunc.nout2.3 numpy.

一、说明

        numpy.ufunc是什么函数？答曰：就是numpy的函数，因为numpy针对的是数组张量，因此，几乎每一个函数都是ufunc。本文针对ufunc的属性进行研究。

二、numpy.ufunc函数概念

2.1 numpy.ufunc简介

        在整个数组上逐个元素地操作的函数。因此，ufunc是个泛指，这些函数为数众多。

        通用函数（或简称 ufunc）是一种以逐个元素的方式对 ndarrays 进行操作的函数，支持数组广播、类型转换和其他一些标准功能。也就是说，ufunc 是函数的“矢量化”包装器，它采用固定数量的特定输入并产生固定数量的特定输出。有关通用函数的详细信息，请参阅通用函数 (ufunc) 基础知识。

        在NumPy中，通函数是numpy.ufunc类的实例 。 许多内置函数都是在编译的C代码中实现的。 基本的ufuncs对标量进行操作，但也有一种通用类型，基本元素是子数组（向量，矩阵等）， 广播是在其他维度上完成的。也可以ufunc使用frompyfuncopen in new window工厂函数生成自定义实例。

2.2 numpy.ufunc.nin和numpy.ufunc.nout

        该函数表述出对应ufun函数的输入参数数量，如下列ufunc时对应的输入参数个数。

np.add.nin
2
np.multiply.nin
2
np.power.nin
2
np.exp.nin
2

         该函数表述出对应ufun函数的输出参数数量，如下列ufunc时对应的输入参数个数。

np.add.nout
1
np.multiply.nout
1
np.power.nout
1
np.exp.nout
1

2.3 numpy.ufunc.nargs

numpy.ufunc对应参数的个数，

np.add.nargs
3
np.multiply.nargs
3
np.power.nargs
3
np.exp.nargs
2

 如np.add函数有三个参数，两个输入，一个输出，如下：

a = np.array([2,4,5,6])
b = np.array([2,2,3,3])
c = np.zeros((4,))
np.add(  a,b,c )
print( c )

2.4  numpy.ufunc.ntypes

        表明一个ufunc的输入数据类型格式：ufunc 可以操作的数字 NumPy 类型的数量——总共有 18 种。

np.add.ntypes
18
np.multiply.ntypes
18
np.power.ntypes
17
np.exp.ntypes
7
np.remainder.ntypes
14

 2.5  numpy.ufunc.type

np.add.types
['??->?', 'bb->b', 'BB->B', 'hh->h', 'HH->H', 'ii->i', 'II->I', 'll->l',
'LL->L', 'qq->q', 'QQ->Q', 'ff->f', 'dd->d', 'gg->g', 'FF->F', 'DD->D',
'GG->G', 'OO->O']
np.multiply.types
['??->?', 'bb->b', 'BB->B', 'hh->h', 'HH->H', 'ii->i', 'II->I', 'll->l',
'LL->L', 'qq->q', 'QQ->Q', 'ff->f', 'dd->d', 'gg->g', 'FF->F', 'DD->D',
'GG->G', 'OO->O']
np.power.types
['bb->b', 'BB->B', 'hh->h', 'HH->H', 'ii->i', 'II->I', 'll->l', 'LL->L',
'qq->q', 'QQ->Q', 'ff->f', 'dd->d', 'gg->g', 'FF->F', 'DD->D', 'GG->G',
'OO->O']
np.exp.types
['f->f', 'd->d', 'g->g', 'F->F', 'D->D', 'G->G', 'O->O']
np.remainder.types
['bb->b', 'BB->B', 'hh->h', 'HH->H', 'ii->i', 'II->I', 'll->l', 'LL->L',
'qq->q', 'QQ->Q', 'ff->f', 'dd->d', 'gg->g', 'OO->O']

2.6 维度ndim和shape

        表明维度的参数有两个，array.ndim  和 array.shape,其中ndim是指张量共几个维度，shape是指每个维度下的向量长度。比如下例：

x = np.array([1, 2, 3])
print(x.ndim)
print(x.shape)
 
y = np.zeros((2, 3, 4))
print(y.ndim)
print(y.shape)

 结果：

1
(3,)
3
(2, 3, 4)

三、ufunc的广播特性

        每个通函数接受数组输入并通过在输入上逐元素地执行核心功能来生成数组输出（其中元素通常是标量，但可以是用于广义ufunc的向量或更高阶子数组）。 应用标准广播规则，以便仍然可以有效地操作不共享完全相同形状的输入。 广播可以通过四个规则来理解：

  1. 所有输入数组都ndimopen in new window小于最大的输入数组，ndimopen in new window其形状前面有1个。
  2. 输出形状的每个维度的大小是该维度中所有输入大小的最大值。
  3. 如果输入在特定维度中的大小与该维度中的输出大小匹配，或者其值正好为1，则可以在计算中使用该输入。
  4. 如果输入的形状尺寸为1，则该维度中的第一个数据条目将用于沿该维度的所有计算。换句话说，ufuncopen in new window的步进机械 将不会沿着该维度步进（对于该维度，步幅将为0）。

        整个NumPy使用广播来决定如何处理不同形状的数组; 例如，所有算术运算（+， -，*之间，...）ndarraysopen in new window的数组操作之前广播。

        如果上述规则产生有效结果，则将一组数组称为“可广播”到相同的形状， 即 满足下列条件之一：

  • 数组都具有完全相同的形状。
  • 数组都具有相同的维数，每个维度的长度是公共长度或1。
  • 尺寸太小的数组可以使其形状前置为长度为1的尺寸以满足属性2。

        如果a.shape是 (5,1)，b.shape是 (1,6)，c.shape是 (6，)并且d.shape是 () 使得 d 是标量，则 a ， b ， c 和 d 都可以广播到维度 (5, 6); 和：

  • a 的作用类似于（5,6）数组，其中 [:, 0] 广播到其他列，
  • b 的作用类似于（5,6）数组，其中 b[0, :] 广播到其他行，
  • c 就像一个（1,6）数组，因此像一个（5,6）数组，其中 c[:] 广播到每一行，最后，
  • d 的作用类似于（5,6）数组，其中重复单个值。

四、函数格式

        可以在通用函数 (ufunc) 的文档中找到有关 ufunc 的详细说明。

         调用ufuncs格式: 

        op( *x[, out], where=True, **kwargs)

将 op 应用于参数 *x elementwise，广播参数。

广播规则是：

长度为 1 的维度可以添加到任一数组之前。

数组可以沿长度为 1 的维度重复。

参数：

        *xarray_like

        outndarray，None，或 ndarray 和 None 的元组，可选

        用于放置结果的备用数组对象；如果提供，它必须具有输入广播的形状。数组元组（可能仅作为关键字参数）的长度必须等于输出的数量；对 ufunc 分配的未初始化输出使用 None。

        wherearray_like，可选

        此条件通过输入广播。在条件为 True 的位置，out 数组将设置为 ufunc 结果。在其他地方，out 数组将保留其原始值。请注意，如果通过默认 out=None 创建未初始化的 out 数组，则其中条件为 False 的位置将保持未初始化状态。

五、示例详解 

5.1 用输出参数

a = np.array([2,4,5,6])
b = np.array([2,2,3,3])
c = np.zeros((4,))
np.add(  a,b,c )
print( c )

5.2 行数组和列数组 

a = np.arange(3)
b = np.arange(3)[:, np.newaxis]
 
print(a)
print(b)

输出： 

[0 1 2]
[[0]
 [1]
 [2]] 

5.3 广播规则示例

a = np.arange(3)
b = np.arange(3)[:, np.newaxis]
 
print(a)
print(b)
 
s = a + b
print(s)

六、ufunc后的数列运算

6.1 数列运算

在执行ufunc运算后，常常伴随数列运算，它们如下

__call__(*args, **kwargs)

Call self as a function.

accumulate(array[, axis, dtype, out])

Accumulate the result of applying the operator to all elements.

at(a, indices[, b])

PerfORMs unbuffered in place operation on operand 'a' for elements specified by 'indices'.

outer(A, B, /, **kwargs)

Apply the ufunc op to all pairs (a, b) with a in A and b in B.

reduce(array[, axis, dtype, out, keepdims, ...])

Reduces array's dimension by one, by applying ufunc along one axis.

reduceat(array, indices[, axis, dtype, out])

Performs a (local) reduce with specified slices over a single axis.

resolve_dtypes(dtypes, *[, signature, ...])

Find the dtypes NumPy will use for the operation.

6.2 累计模式

累计模式不可以单独使用，而是与add以及multiply搭配使用：

np.add.accumulate([2, 3, 5])
array([ 2,  5, 10])
np.multiply.accumulate([2, 3, 5])
array([ 2,  6, 30])
np.add.accumulate(I, 0)
array([[1.,  0.],
       [1.,  1.]])
np.add.accumulate(I) # no axis specified = axis zero
array([[1.,  0.],
       [1.,  1.]])

6.3 对数组中某个index的元素进行局部处理 

         1)   将项目 0 和 1 设置为负值：

a = np.array([1, 2, 3, 4])
np.negative.at(a, [0, 1])
print( a )
array([-1, -2,  3,  4])

         2)  递增项目 0 和 1，递增项目 2 两次：

a = np.array([1, 2, 3, 4])
np.add.at(a, [0, 1, 2, 2], 1)
print( a )
array([2, 3, 5, 4])

         3) 将第一个数组中的项 0 和 1 添加到第二个数组，并将结果存储在第一个数组中：

a = np.array([1, 2, 3, 4])
b = np.array([1, 2])
np.add.at(a, [0, 1], b)
print(a)
array([2, 4, 3, 4])

 6.4 outer外积

简单数组外积

np.multiply.outer([1, 2, 3], [4, 5, 6])
array([[ 4,  5,  6],
       [ 8, 10, 12],
       [12, 15, 18]])

张量的外积 

A = np.array([[1, 2, 3], [4, 5, 6]])
A.shape
(2, 3)
B = np.array([[1, 2, 3, 4]])
B.shape
(1, 4)
C = np.multiply.outer(A, B)
C.shape; C
(2, 3, 1, 4)
array([[[[ 1,  2,  3,  4]],
        [[ 2,  4,  6,  8]],
        [[ 3,  6,  9, 12]]],
       [[[ 4,  8, 12, 16]],
        [[ 5, 10, 15, 20]],
        [[ 6, 12, 18, 24]]]])

 6.5 reduce方法

a = np.multiply.reduce([2,3,5])
print( a)
30
X = np.arange(8).reshape((2,2,2))
X
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])
np.add.reduce(X, 0)
array([[ 4,  6],
       [ 8, 10]])
np.add.reduce(X) # confirm: default axis value is 0
array([[ 4,  6],
       [ 8, 10]])
np.add.reduce(X, 1)
array([[ 2,  4],
       [10, 12]])
np.add.reduce(X, 2)
array([[ 1,  5],
       [ 9, 13]])

您可以使用 initial 关键字参数以不同的值初始化缩减，以及在何处选择要包含的特定元素：

np.add.reduce([10], initial=5)
15
np.add.reduce(np.ones((2, 2, 2)), axis=(0, 2), initial=10)
array([14., 14.])
a = np.array([10., np.nan, 10])
np.add.reduce(a, where=~np.isnan(a))
20.0
np.minimum.reduce([], initial=np.inf)
inf
np.minimum.reduce([[1., 2.], [3., 4.]], initial=10., where=[True, False])
array([ 1., 10.])
np.minimum.reduce([])
Traceback (most recent call last):

到此这篇关于什么是通函数numpy.ufunc的文章就介绍到这了,更多相关通函数numpy.ufunc内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！

您可能感兴趣的文档:

--结束END--

本文标题: Python中的通函数numpy.ufunc详解

本文链接: https://lsjlt.com/news/208509.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

猜你喜欢
  • Python中的通函数numpy.ufunc详解
    目录一、说明二、numpy.ufunc函数概念2.1 numpy.ufunc简介2.2 numpy.ufunc.nin和numpy.ufunc.nout2.3 numpy....
    99+
    2023-05-15
    通函数numpy.ufunc numpy.ufunc numpy.ufunc函数
  • Python中的numpy.ufunc函数怎么使用
    一、说明 numpy.ufunc是什么函数？答曰：就是numpy的函数，因为numpy针对的是数组张量，因此，几乎每一个函数都是ufunc。二、numpy.ufunc函数概念2.1 numpy.ufunc简介 在...
    99+
    2023-05-18
    Python
  • 详解Python中的普通函数和高阶函数
    目录什么是函数函数的嵌套调用高阶函数我们思考一下计算圆形和方形的面积为何高阶函数能够降低维度总结什么是函数 每个语言都有函数，甚至大家用的Excel里面也有函数，我们以前学习的数学也...
    99+
    2024-04-02
  • python中函数的参数详解
    目录一、参数的定义1、函数的参数在哪里定义2、带参数的函数调用：二、参数分类1、根据实参进行分类1.1、位置参数（未命名参数）1.2、关键字参数（命名参数）2、根据形参进行分类2.1...
    99+
    2024-04-02
  • 详解Python中的 type()函数
    目录你好类型type()和数字序列类型自定义数据类型Python type() 函数摘要将通过各种例子来了解如何在 Python 中使用 type() 函数。 你好类型 打印 &qu...
    99+
    2024-04-02
  • PHP 中的网络通信函数详解
    php 提供了网络通信函数，包括：fsockopen()：建立到远程服务器的套接字连接，返回文件指针。fgets()：从文件指针中读取一行数据，适用于读取响应。fwrite()：将数据写...
    99+
    2024-04-20
    php 网络通信
  • Python中reduce函数详解
    目录1 reduce用法2 reduce与for循环性能对比reduce函数原本在python2中也是个内置函数，不过在python3中被移到functools模块中。 reduce...
    99+
    2024-04-02
  • python 中 os.walk() 函数详解
    os.walk()是一种遍历目录数的函数，它以一种深度优先的策略（depth-first）访问指定的目录。 其返回的是（root,dirs, files）, root代表当前遍历的目...
    99+
    2024-04-02
  • python中的range函数|python中的range函数|range()函数详解|Python中range(len())的用法
    本期目录 一、range（）传递不同的参数1、传递一个参数时2、传递两个参数时3、传递三个参数时 二、使用 range() 构建 for 循环三、遍历列表时使用 range(len()) ...
    99+
    2023-09-29
    python 数据分析 numpy
  • JavaScript中箭头函数与普通函数的区别详解
    本文为大家讲解了JavaScript中箭头函数与普通函数的区别，供大家参考，具体内容如下 箭头函数： let fun = () => { console.log('...
    99+
    2024-04-02
  • Oracle数据库中通用的函数实例详解
    目录一、 Scott用户下的表结构1、如果自己没有Scoot表就可以自己创建一个二、单行函数1、字符函数2、数值函数三、多行函数（聚合函数）1、统计记录数2、最小值查询 min()3...
    99+
    2024-04-02
  • 详解操作python容器的内置通用函数
    目录这些数据容易的通用操作都有哪些？我们看看几个容器的代码总结这些数据容易的通用操作都有哪些？ 除了数据的增删查改（除了tuple不可变长度和元素不可变），我们还需要下面的操作： ...
    99+
    2024-04-02
  • Python中函数的参数类型详解
    目录1、Python的函数参数的类型2、Python的必传参数3、关键字参数4、默认参数5、不定长参数1、Python的函数参数的类型 必传参数：调用函数时必须传入的参数，函数定义时...
    99+
    2024-04-02
  • 详解Python函数中的几种参数
    目录1.必需的参数：2关键字参数：3.缺省参数（默认参数）：4.不定长参数5.高阶函数总结 1.必需的参数： 必须参数须以正确的顺序传入函数，调用的数量必须和声明时的一样 def...
    99+
    2024-04-02
  • JS函数(普通函数,箭头函数)中this的指向问题详解
    目录普通函数箭头函数普通函数 具名普通函数、匿名普通函数，在不作为对象的属性值的情况下，其内部的 this 总是指向代码运行环境下的全局对象 ( 例如，浏览器中的 window )。...
    99+
    2024-04-02
  • python中函数传参详解
    一、参数传入规则 可变参数允许传入0个或任意个参数，在函数调用时自动组装成一个tuple； 关键字参数允许传入0个或任意个参数，在函数调用时自动组装成一个dict； 1. 传入可变参数： def ca...
    99+
    2022-06-04
    详解 函数 python
  • python中yield函数的用法详解
    首先，如果你还没有对yield有个初步分认识，那么你先把yield看做“return”，这个是直观的，它首先是个return，普通的return是什么意思，就...
    99+
    2024-04-02
  • python中的map函数语法详解
    目录1 map()函数的简介以及语法：2 map()函数实例：1 map()函数的简介以及语法： map是python内置函数，会根据提供的函数对指定的序列做映射。 map()函数的...
    99+
    2024-04-02
  • 详解Python中enumerate函数的使用
    Python 的 enumerate() 函数就像是一个神秘的黑箱，你无法简单地用一句话来概括这个函数的作用与用法。 enumerate() 函数属于非常有用的高级用法，而对于这一点...
    99+
    2024-04-02
  • 一文详解Python中的super 函数
    目录实战场景实战编码单继承使用实战场景 经常有朋友问，学 Python 面向对象时，翻阅别人代码，会发现一个 super() 函数，那这个函数的作用到底是什么？ super() 函数...
    99+
    2024-04-02
软考高级职称资格查询
热门wiki
近期文章
推荐阅读
热门问答
热门标签
编程网，编程工程师的家园，是目前国内优秀的开源技术社区之一，形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容，为IT开发者提供了一个发现、使用、并交流开源技术的平台。

  • 官方手机版

  • 微信公众号

  • 商务合作