我是Python的新手，我现在只是阅读教程。
我对reduceat()功能感到困惑。
我看到了这个例子：
np.add.reduceat([0,1,2,3,4,5,6,7],[0,4,1,5,2,6,3,7])[::2]
结果是：
array([ 6, 10, 14, 18])
它是如何产生的？有人能解释一下吗？
答案 0 :(得分：2)
以上答案是正确的，但无法解释.reduceat实际在做什么！ 基本上，它返回的是切片数组中元素的总和
例如：
array = np.arange(10)
indices = np.array([1,3,4,5])
output = numpy.add.reduceat(array,indices)
print(output)
输出： [3 3 4 35]
幕后发生的事情是，它在数组上重复应用.reduce（），如下所示：
print("Step1 : ", np.add.reduce(array[1:3]))
print("Step2 : ", np.add.reduce(array[3:4]))
print("Step3 : ", np.add.reduce(array[4:5]))
print("Step4 : ", np.add.reduce(array[5:]))
，并将每个步骤的结果附加到列表中并显示结果！希望您了解调用numpy.add.reduceat（）函数时实际发生的情况！ 我并不是说上述答案是错误的，只是提供另一种解释以更好地理解该功能！ 希望这可以帮助！谢谢！
答案 1 :(得分：1)
有点像滚动申请，请参阅：
In [59]:
np.add.reduceat([0,1,2,3,4,5,6,7],[0,4])
Out[59]:
array([ 6, 22])
In [65]:
np.add.reduceat([0,1,2,3,4,5,6,7],[4,1])
Out[65]:
array([ 4, 28])
In [66]:
np.add.reduceat([0,1,2,3,4,5,6,7],[1,5])
Out[66]:
array([10, 18])
In [64]:
np.add.reduceat([0,1,2,3,4,5,6,7],[5,2])
Out[64]:
array([ 5, 27])
In [61]:
np.add.reduceat([0,1,2,3,4,5,6,7],[2,6])
Out[61]:
array([14, 13])
In [67]:
np.add.reduceat([0,1,2,3,4,5,6,7],[6,3])
Out[67]:
array([ 6, 25])
In [62]:
np.add.reduceat([0,1,2,3,4,5,6,7],[3,7])
Out[62]:
array([18, 7])
如果你只想要第一个值，你可以一次性完成它：
In [63]:
np.add.reduceat([0,1,2,3,4,5,6,7],[0,4,1,5,2,6,3,7])
Out[63]:
array([ 6, 4, 10, 5, 14, 6, 18, 7])
答案 2 :(得分：0)
我也很难理解这个例子，我觉得这两个帖子仍然缺少一些东西，在一些评论中部分解释了所以让我也试着解释一下。
如documentation中所述，
<块引用>对于范围内的 i(len(indices))，reduceat 计算 ufunc.reduce(array[indices[i]:indices[i+1]])
这意味着 reduceat 遍历给定列表中的所有索引，然后对数组执行给定的 ufunc 切片（这里是 add 数字）。
@Adarsh_V_Desai 对此进行了非常详细的描述，@CT Zhu 也展示了这一点。遵循答案和示例：
import numpy as np
array = np.arange(10) # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
indices = np.array([1,3,4,5])
在循环的第一步中，i=1 和 i+1=3 因此我们将得到一个切片 array[1:3]，它们是元素 1, 2，总和为 3。然后我们得到一个从 i=3 到 i+1=4 的切片，这只是一个元素 3。下一个元素也是如此，4。最后，我们从 i=5 到最后，因为没有其他索引（回忆文档：
对于最后一个索引，indices[i+1] = array.shape[axis]`),
产生 array[5:] 和元素 5, 6, 7, 8, 9，总和为 35。
问题来了，当我们没有升序或降序索引时会发生什么。该原理的工作原理相同，并将建立到问题中原始示例的方法。让我们举个例子：
np.add.reduceat([0,1,2,3,4,5,6,7],[0,4,1,5,2,6,3,7])
如上图，以i=0到i+1=4开头，即。它采用前 4 个元素并返回它们的总和 0+1+2+3=6。现在需要 i=4 到 i+1=1，正如评论中提到的，如果尝试会产生 []。但是，再次回忆一下文档：
如果索引[i] >=索引[i + 1]，第i个广义“行”就是数组[索引[i]]
这意味着我们只得到一个元素，即。 4。之后，我们再次像第一种情况一样继续对 4 个元素求和，然后再次给出一行 = 一个元素，5 等。
从上面的例子中可能已经看到，我们得到了线性上升，然后当我们需要从 4 返回到 1 时跳转。我们得到单个元素，因为我们在索引列表中有降序跳转。而这正是 [::2] 正在删除的内容 -> 它只获取第二个元素，并且由于我们每隔一个位置就有这些跳转，我们从结果中删除它们。
你没有问，但我相信提到它也有效（因为我一开始也很挣扎）。
x = np.linspace(0, 15, 16).reshape(4,4)
np.add.reduceat(x, [0, 3, 1, 2, 0])
array([[12., 15., 18., 21.],
[12., 13., 14., 15.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.],
[24., 28., 32., 36.]])
这个可怕的生物所做的与上面描述的完全相同。首先，它需要从 i=0 到 i+1=3 的索引（行！），即
[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.],
将它们相加并将它们放入第一行（您可以检查）。然后它跳了起来，因此你只得到一行，即第 4 行。然后它给你行数的总和 1:2 这只是第二行，所以你得到了那个。然后又一次从 i=2 跳转到 i+1=0，它也只是一行，在本例中是第三行。最后，它给出了所有行的总和，因为你从
0 到最后。
我不会讨论列 (axis=1)，因为它们完全相同。希望有帮助。