Métodos en NumPy.add()

ufunc espera un conjunto de escalares como entrada y produce un conjunto de escalares como salida. Las funciones universales
se pueden relacionar con aspectos matemáticos como sumar, restar, dividir, multiplicar, etc.

Métodos en numpy.add

En realidad, las funciones universales no son funciones sino objetos que representan funciones. Aquí estamos tomando la función: agregue, tienen dos parámetros de entrada y devuelven un parámetro de salida (la falta de coincidencia de la firma de ufunc dará como resultado un ValueError. Por lo tanto, esto funcionará solo para funciones binarias universales).

Los cuatro métodos en agregar son:

En este tutorial, analizaremos cada una de las funciones anteriores en detalle.

numpy.ufunc.reduce()

La array de entrada dada se reduce aplicando la función universal recursivamente a lo largo de un eje específico en elementos consecutivos.
Nota: add.reduce() es equivalente asum()

Sintaxis: ufunc.reduce(a, axis=0, dtype=Ninguno, out=Ninguno, keepdims=False, initial=, where=True)

Parámetros :
a(array_like): la array sobre la que se produce el procesamiento
. axis(Ninguno o int o tupla de ints, opcional): eje o ejes a lo largo de los cuales se realiza una reducción. El valor predeterminado es (eje = 0). El eje puede ser negativo, siempre que cuente hacia atrás. Ninguno, se realiza una reducción sobre todos los ejes. Tupla de enteros, se realiza una reducción sobre múltiples ejes.
dtype(código de tipo de datos, opcional): el tipo utilizado para representar los resultados intermedios.
out(ndarray, None o tupla de ndarray y None, opcional): ubicación en la que se almacena el resultado. Si no se proporciona o Ninguno, se devuelve una array recién asignada.
keepdims(bool, opcional):Si se establece en True, los ejes que se reducen se dejan en el resultado como dimensiones con tamaño uno.
initial(scalar, opcional): El valor con el que iniciar la reducción.
where(array_like of bool, opcional): una array booleana que se transmite para que coincida con las dimensiones de a y selecciona elementos para incluir en la reducción.

Devuelve:
r : ndarray

Ejemplo:

# Reducing an array using np.add.reduce()
  
import numpy as np
  
  
# Array formation
a = np.arange(10)
  
# Reduction occurs column-wise with 
# 'int' datatype
b = np.add.reduce(a, dtype = int, axis = 0)
print("The array {0} gets reduced to {1}".format(a, b))

PRODUCCIÓN

The array [0 1 2 3 4 5 6 7 8 9] gets reduced to 45

numpy.ufunc.accumulate()

Almacena los resultados intermedios en una array y los devuelve. El resultado, en el caso de la función suma, es equivalente a llamar a la función cumsum.

Sintaxis: ufunc.accumulate(array, axis=0, dtype=Ninguno, out=Ninguno)

Parámetros:
array(array_like): La array sobre la que actuar.
axis(int, opcional): El eje a lo largo del cual aplicar la acumulación; el valor predeterminado es cero.
dtype(código de tipo de datos, opcional): el tipo de datos utilizado para representar los resultados intermedios. El valor predeterminado es el tipo de datos de la array de salida si se proporciona, o el tipo de datos de la array de entrada si no se proporciona una array de salida.
out(ndarray, opcional): una ubicación en la que se almacena el resultado. Si no se proporciona, se devuelve una array recién asignada.

Devuelve:
r : ndarray

Ejemplo:

import numpy as np
  
  
# Array formation
a = np.arange(10)
  
# Cumulative sum of array, column wise,
# float datatype
c = np.add.accumulate(a, axis = 0, dtype = float)
  
print("The array {0} gets added cumulatively to {1}".format(a, c))

PRODUCCIÓN

La array [0 1 2 3 4 5 6 7 8 9] se suma acumulativamente a [ 0. 1. 3. 6. 10. 15. 21. 28. 36. 45.]

numpy.ufunc.outer()

El método ‘externo’ devuelve una array que tiene un rango, que es la suma de los rangos de sus dos arrays de entrada. El método se aplica a todos los pares posibles de elementos de array de entrada.

Sintaxis: ufunc.outer(A, B, **kwargs)

Parámetros:
A(array_like): Primera array
B(array_like): Segunda array
kwargs(cualquiera): Argumentos para pasar a ufunc.

Devuelve:
r : ndarray

Ejemplo:

# To find the outer of two input arrays
import numpy as np
  
  
# Initialization of a 2x2 matrix 
# as first input
a = np.arange(4).reshape(2,2)
  
# Initialization of an array as
# second input
b = np.arange(3)
  
# Outer of a & b
z = np.add.outer(b, a)
  
print("The outer of {0} & {1} is {2}".format(b,a,z))

PRODUCCIÓN

The outer of [0 1 2] & [[0 1]
 [2 3]] is [[[0 1]
  [2 3]]

 [[1 2]
  [3 4]]

 [[2 3]
  [4 5]]]

numpy.ufunc.reduceat()

El reduceat()método ‘ ‘ requiere como argumentos, una array de entrada y una lista de índices. El reduceat()método pasa por procedimientos paso a paso para realizar su operación. Buscaremos su acción en cuatro pasos.

Ejemplo:

# Reduceat method example
  
import numpy as np
  
  
a = np.arange(9)
z = np.add.reduceat(a, [1, 4, 2, 8])
  
print("Reduceat of matrix {} is {}".format(a,z))

PRODUCCIÓN

La reducción de la array [0 1 2 3 4 5 6 7 8] es [ 6 4 27 8]

PASO-1
Se trata de los índices 1 y 4. Este paso da como resultado una operación reducida de los elementos de la array entre los índices 1 y 4.

import numpy as np
  
  
a = np.arange(9)
print("Result of STEP-I is", np.add.reduce(a[0:4]))

PRODUCCIÓN

Result of STEP-I is 6

PASO-2
El segundo paso se refiere a los índices 4 y 2. Dado que 2 es menor que 4, se devuelve el elemento de array en el índice 4:

import numpy as np
  
  
a = np.arange(9)
print("Result of STEP-II is", a[4])

PRODUCCIÓN

Result of STEP-II is 4

PASO-3
El tercer paso se refiere a los índices 2 y 8. Este paso da como resultado una operación de reducción de los elementos de la array entre los índices 2 y 8:

import numpy as np
  
  
a = np.arange(9)
print("Result of STEP-III is", np.add.reduce(a[2:8]))

PRODUCCIÓN

Result of STEP-III is 27

PASO-4
El cuarto paso se refiere al índice 8. Este paso da como resultado una operación de reducción de los elementos de la array desde el índice 8 hasta el final de la array:

import numpy as np
  
  
a = np.arange(9)
print("Result of step IV is", np.add.reduce(a[8:]))

PRODUCCIÓN

Result of step IV is 8

Al realizar todo este paso, obtenemos el resultado de ‘numpy.add.reduceat’.

Publicación traducida automáticamente

Artículo escrito por amalchandranmv y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *