frompyfunc的调用格式为frompyfunc(func, nin, nout)，其中func是计算单个元素的函数，nin是此函数的输入参数的个数，nout是此函数的返回值的个数
# 注：用frompyfunc得到的函数计算出的数组元素的类型为object，因为frompyfunc函数无法保证Python函数返回的数据类型都完全一致
1. 创建通用函数(步骤)
# 定义一个python函数
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)]
# 对二维数组进行操作
A = ufunc(np.arange(4).reshape(2,2)) print (A) #[[array(42) array(42)] # [array(42) array(42)]]
# 解析：定义了一个Python函数。其中，我们使用zeros_like函数根据输入参数的形状初始化一个全为0的数组，然后利用ndarray对象的flat属性将所有的数组元素设置为“终极答案”其值为42
2. 通用函数的方法
通用函数有四个方法，不过只对输入两个参数、输出一个参数的ufunc对象有效
# add 上调用通用函数的方法
(1). reduce方法 (对数组的reduce计算结果等价于对数组元素求和)
import numpy as np B = np.arange(9) B1 = np.add.reduce(B) print (B1) # 36
(2). accumulate方法(可以递归作用于输入数组,将存储运算的中间结果并返回)
B2 = np.add.accumulate(B) print (B2) # [ 0 1 3 6 10 15 21 28 36]
(3). reduceat方法需要输入一个数组以及一个索引值列表作为参数
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，实际上就是对数组中索引值在0到5之间的元素进行reduce操作。
print (np.add.reduce(B[0:5]))
# 第二步用到索引值5和2。由于2比5小，所以直接返回索引值为5的元素
print (np.add.reduce(B[5]))
# 第三步用到索引值2和7。这一步是对索引值在2到7之间的数组元素进行reduce操作
print (np.add.reduce(B[2:7]))
# 第四步用到索引值7。这一步是对索引值从7开始直到数组末端的元素进行reduce操作
print (np.add.reduce(B[7:]))
(4). outer方法返回一个数组，它的秩（rank）等于两个输入数组的秩的和。它会作用于两个输入数组之间存在的所有元素对
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]]