- 普遍的な機能とは何ですか
汎用関数（または略してufuncは ）配列放送、型鋳造、および他のいくつかの標準機能をサポートして、要素ごとの様式でndarrays上で動作する関数である。つまり、ufuncには「ベクトル化」ラッパーでありますFiは特異的C入力の数と生成しFiは特異的C出力数をXED XEDとる関数
-ソース：numpy.org
-計算素子簡潔には、汎用関数がndarrayの操作を定義される元素であり
、Aがnumpyの存在重要な概念：ブロードキャスト（放送）、放送手段、形状は、基準の計算に関与する配列と異なることができるように：放送
- いくつかの単純なプロパティufunc
- ニン入力データ数：
- NOUT出力の数：
- NARGS：引数の数。オプションのものも含めufuncが取る引数の数を含むデータ属性。
- ntypes：数値numpyの種類の数- ufuncが動作可能に- 18合計がありそのうち
- タイプ：入力-グループ化タイプ>出力のリストを返します。データ型「ドメイン範囲」ufuncが提供できるグループを一覧表示するデータ属性。データ型は、文字コードを使用して与えられています
- アイデンティティ：それは1を持っている場合は、データの属性は、ufuncのID要素を含みます。そうでない場合は、属性値はNoneです。
- 署名：各INPUT /配列の次元での署名でどのように決定するかは、出力の分割コアとループの次元にある
ヒント：コールufunc .__ doc__内の例題は、関数のドキュメントを表示することができます
例えば
print(np.multiply.__doc__)
- ufunc方法（メソッド）：
我々の関数以下add.reduceに説明するための例として、
- ufunc.reduceの
使用法：減らす（軸、初期 、keepdims）
参照減らす
Aは、入力の行列である
（デフォルトは0である）の計算に関与している軸寸法
、例えば：
import numpy as np
a=np.arange(9).reshape(3,3)
print(a)
# [[0 1 2]
# [3 4 5]
# [6 7 8]]
#如果我们想把矩阵按行(axis=0)进行划分，把各行相加
b=np.add.reduce(a,axis=0)
print(b)
# [ 9 12 15]
結果は、操作が完了した後、可視、（3）形状の我々の見解Bは、軸= 0軸= 0ではないことが、もちろん、我々は変更したい場合、操作ndim前後の、（低減）が除去されていますkeepdimsオフ減らす= 1を達成することができます
b=np.add.reduce(a,axis=0,keepdims=1)
私たちは、バイアスた場合、最終的な解決策を取得したい場合は、その各要素は、Aプラス5の両方の結果であることを、あなたは、この最初のパラメータを呼び出すことができます
b=np.add.reduce(a,axis=0,keepdims=1,initial=5)
print(b)
#[[14 17 20]]
同様に、multiply.reduceとadd.reduceは非常に似ており、唯一の違いは、他の機能を減少させるために乗算に「和」であり、同様です。
- ufunc.accumulateは
同様に、我々は、例えばadd.accumulate
我々は行の行列（軸= 0）に分割されることを置く場合、我々が得た結果を見てどのようadd.accumulateあります
import numpy as np
a=np.arange(9).reshape(3,3)
print(a)
# [[0 1 2]
# [3 4 5]
# [6 7 8]]
#如果我们想吧矩阵按行(axis=0)进行划分，把各行相加
b=np.add.accumulate(a,axis=0)
print(b)
# [[ 0 1 2]
# [ 3 5 7]第一行+第二行
# [ 9 12 15]]第一行+第二行+第三行
- ufunc.outer
我々 add.outer Aケーススタディ
import numpy as np
a=np.array([1,2,3])
b=np.array([4,5,6])
print(np.add.outer(a,b))
# [[5 6 7]
# [6 7 8]
# [7 8 9]]
我々 3によって置換され3+、A 1 + 1は[4,5,6]で置換されているに、2 + 2は[4,5,6]で置換されている、発見した[4,5,6]
要約：add.outer（b）は結果として、素子形状とBとの各要素の交換に相当する（a.shape、B.SHAPE）
