上QQ阅读APP看书，第一时间看更新
2.2.5 ufunc的方法
ufunc函数对象本身还有一些方法函数，这些方法只对两个输入、一个输出的ufunc函数有效，其他的ufunc对象调用这些方法时会抛出ValueError异常。
reduce()方法和Python的reduce()函数类似，它沿着axis参数指定的轴对数组进行操作，相当于将<op>运算符插入到沿axis轴的所有元素之间：<op>.reduce(array, axis=0, dtype=None)。例如：
r1 = np.add.reduce([1, 2, 3]) # 1 + 2 + 3
r2 = np.add.reduce([[1, 2, 3], [4, 5, 6]], axis=1) # (1+2+3),(4+5+6)
r1 r2
-- --------
6 [ 6, 15]
accumulate()方法和reduce()类似，只是它返回的数组和输入数组的形状相同，保存所有的中间计算结果：
a1 = np.add.accumulate([1, 2, 3])
a2 = np.add.accumulate([[1, 2, 3], [4, 5, 6]], axis=1)
a1 a2
--------- --------------
[1, 3, 6] [[ 1, 3, 6],
[ 4, 9, 15]]
reduceat()方法计算多组reduce()的结果，通过indices参数指定一系列的起始和终止位置。它的计算有些特别，让我们通过例子详细解释一下：
a = np.array([1, 2, 3, 4])
result = np.add.reduceat(a, indices=[0, 1, 0, 2, 0, 3, 0])
result
array([ 1, 2, 3, 3, 6, 4, 10])
对于indices参数中的每个元素都会计算出一个值，因此最终的计算结果和indices参数的长度相同。结果数组result中除最后一个元素之外，都按照如下计算得出：
if indices[i] < indices[i+1]:
result[i] = <op>.reduce(a[indices[i]:indices[i+1]])
else:
result[i] = a[indices[i]]
而最后一个元素如下计算：
<op>.reduce(a[indices[-1]:])
因此在上面的例子中，数组result的每个元素按照如下计算得出：
1 : a[0] -> 1
2 : a[1] -> 2
3 : a[0] + a[1] -> 1 + 2
3 : a[2] -> 3
6 : a[0] + a[1] + a[2] -> 1 + 2 + 3 = 6
4 : a[3] -> 4
10: a[0] + a[1] + a[2] + a[4] -> 1 + 2 + 3 + 4 = 10
可以看出result[::2]和a相等，而result[1::2]和np.add.accumulate(a)相等。
ufunc函数对象的outer()方法等同于如下程序：
a.shape += (1,)*b.ndim
<op>(a,b)
a = a.squeeze()
其中squeeze()方法剔除数组a中长度为1的轴。让我们看一个例子：
np.multiply.outer([1, 2, 3, 4, 5], [2, 3, 4])
array([[ 2, 3, 4],
[ 4, 6, 8],
[ 6, 9, 12],
[ 8, 12, 16],
[10, 15, 20]])
可以看出通过outer()计算的结果是如下乘法表：
*| 2 3 4
------------
1| 2 3 4
2| 4 6 8
3| 6 9 12
4| 8 12 16
5|10 15 20
如果将这两个数组按照等同程序一步一步地进行计算，就会发现乘法表最终是通过广播的方式计算出来的。