frompyfunc的調用格式為frompyfunc(func, nin, nout)，其中func是計算單個元素的函數，nin是此函數的輸入參數的個數，nout是此函數的返回值的個數
# 注：用frompyfunc得到的函數計算出的數組元素的類型為object，因為frompyfunc函數無法保證Python函數返回的數據類型都完全一致
1. 創建通用函數(步驟)
# 定義一個python函數
import numpy as np def answer(a): result = np.zeros_like(a) result.flat = 42 return result ufunc = np.frompyfunc(answer, 1, 1) print (ufunc(np.arange(4))) # [array(42) array(42) array(42) array(42)]
# 對二維數組進行操作
A = ufunc(np.arange(4).reshape(2,2)) print (A) #[[array(42) array(42)] # [array(42) array(42)]]
# 解析：定義了一個Python函數。其中，我們使用zeros_like函數根據輸入參數的形狀初始化一個全為0的數組，然后利用ndarray對象的flat屬性將所有的數組元素設置為“終極答案”其值為42
2. 通用函數的方法
通用函數有四個方法，不過只對輸入兩個參數、輸出一個參數的ufunc對象有效
# add 上調用通用函數的方法
(1). reduce方法 (對數組的reduce計算結果等價於對數組元素求和)
import numpy as np B = np.arange(9) B1 = np.add.reduce(B) print (B1) # 36
(2). accumulate方法(可以遞歸作用於輸入數組,將存儲運算的中間結果並返回)
B2 = np.add.accumulate(B) print (B2) # [ 0 1 3 6 10 15 21 28 36]
(3). reduceat方法需要輸入一個數組以及一個索引值列表作為參數
B3 = np.add.reduceat(B,[0,5,2,7]) print (B3) # [10 5 20 15]
# 解析：第一步用到索引值列表中的0和5，實際上就是對數組中索引值在0到5之間的元素進行reduce操作。
print (np.add.reduce(B[0:5]))
# 第二步用到索引值5和2。由於2比5小，所以直接返回索引值為5的元素
print (np.add.reduce(B[5]))
# 第三步用到索引值2和7。這一步是對索引值在2到7之間的數組元素進行reduce操作
print (np.add.reduce(B[2:7]))
# 第四步用到索引值7。這一步是對索引值從7開始直到數組末端的元素進行reduce操作
print (np.add.reduce(B[7:]))
(4). outer方法返回一個數組，它的秩（rank）等於兩個輸入數組的秩的和。它會作用於兩個輸入數組之間存在的所有元素對
B4 = np.add.outer(np.arange(3),B) print (B4) #[[ 0 1 2 ..., 6 7 8] # [ 1 2 3 ..., 7 8 9] # [ 2 3 4 ..., 8 9 10]]