知识卡片

操作参考卡 · 6356.l

分段归约以切点划分连续段

理解等级:中级

reduceat对按序起点定义的连续片段做归约,原例对应[0:5]、[5:8]、[8:]。它不是按任意类别标签把不相邻记录归组;若要借它做分组,需先明确数据顺序和切点。原例切点递增,不推断任意乱序切点都有同样分段意义。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      np.add.reduceat(arr, [0, 5, 8]) Out[130]: array([10, 18, 17]) 最终结果是在arr[0:5]、arr[5:8]以及arr[8:]上执行的约简(本例中就是求和)。跟其他方法一样,这里也可以传入一个axis参数: In [131]: arr = np.multiply.outer(np.arange(4

    参考来源

    - 位置:《利用Python进行数据分析》第12章《ufunc实例方法》(spine325;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0311.html;u276-ch12-018)。 - 结论依据:原文在“np.add.reduceat(arr, [0, 5, 8])”附近的定义、例子或代码支撑本卡核心说明:reduceat对按序起点定义的连续片段做归约,原例对应[0:5]、[5:8]、[8:]。边界按已读前提解释;示例未执行。 - 原始内容:np.add.reduceat(arr, [0, 5, 8]) Out[130]: array([10, 18, 17]) 最终结果是在arr[0:5]、arr[5:8]以及arr[8:]上执行的约简(本例中就是求和)。跟其他方法一样,这里也可以传入一个axis参数: In [131]: arr = np.multiply.outer(np.arange(4