利用 Python 进行数据分析：原书第 3 版

高阶

NumPy

|

457

但是，如果想用一维的数值数组来设置目标数组的列，只要保证形状兼容就可以了：

A.4

高阶

ufunc

应用

虽然许多

NumPy

用户只会用到通用函数所提供的快速元素级运算，但通用函数实际上

还有一些高级用法能使我们无须循环就能编写更简洁的代码。

A.4.1 ufunc

实例方法

NumPy

的各个二元

ufunc

都有一些用于执行特定向量化运算的特殊方法。表

A-2

汇总了

这些方法，下面我将通过几个具体的例子对它们进行说明。

reduce 接收一个数组，并通过一系列二元运算对其值进行聚合（可指明轴向）。例如，

我们可以用 np.add.reduce 对数组中各个元素进行求和：

458

|

附录

A

起始值取决于

ufunc

（例如，对于 add，就是

0

）。如果传入了轴，约简运算就会沿该轴

向执行。这就使你能用一种比较简洁的方式解决某些问题。在下面这个不太常见的例子

中，我们用 np.logical_and 检查数组各行中的值是不是有序的：

# 为了可以复现

# 对行排序

注意，logical_and.reduce 和 all 方法是等价的。

ufunc

的 accumulate 方法与 reduce 有关，类似于 cumsum 与 sum 的关系。它生成一个与

中间“累计”值大小相同的数组：

outer 用于计算两个数组之间成对的交叉乘积： ...