numpy.nansum

numpy.nansum(a, axis=None, dtype=None, out=None, keepdims=0) [source]

Возвращает сумму элементов массива по заданной оси, обрабатывая значения Not a Number (NaN) как ноль.

В версиях Numpy ≤ 1.8 для срезов, которые состоят только из NaN или пустые, возвращается Nan. В более поздних версиях возвращается ноль.

Параметры:

a : array_like Массив, содержащий числа, сумма которых требуется. Если a не является массивом, выполняется попытка преобразования. axis : int, необязательно Ось, по которой вычисляется сумма. По умолчанию вычисляется сумма сплющенного массива. dtype : тип данных, необязательно Тип возвращаемого массива и аккумулятора, в котором суммируются элементы. По умолчанию используется тип данных a. Исключением является случай, когда a имеет целочисленный тип с меньшей точностью, чем платформа (u)intp. В этом случае значение по умолчанию будет либо (u)int32, либо (u)int64, в зависимости от того, 32 или 64 бита платформа. Для неточных входных данных dtype должен быть неточным. Новое в версии 1.8.0. out : ndarray, необязательно Альтернативный массив вывода, в который помещается результат. Значение по умолчанию — None. Если задано, оно должно иметь такую же форму, как ожидаемый результат, но тип будет преобразован при необходимости. Смотрите doc.ufuncs для подробностей. Преобразование NaN в целое число может привести к неожиданным результатам. Новое в версии 1.8.0. keepdims : bool, необязательно Если True, оси, которые были уменьшены, остаются в результате в виде измерений с размером один. С этим параметром результат будет корректно транслироваться к исходному arr. Новое в версии 1.8.0.

Возвращает:

y : ndarray или numpy скаляр

См. также

numpy.sum

Сумма по массиву, распространяющая NaN.

isnan

Показывает, какие элементы являются NaN.

isfinite

Показывает, какие элементы не NaN или +/-inf.

Примечания

Если присутствуют как положительная, так и отрицательная бесконечность, сумма будет Not A Number (NaN).

Целочисленная арифметика Numpy является модульной. Если размер суммы превышает размер целочисленного аккумулятора, его значение будет переходить за пределы и результат будет неверным. Указание dtype=double может решить эту проблему.

Примеры

>>> np.nansum(1)
1
>>> np.nansum([1])
1
>>> np.nansum([1, np.nan])
1.0
>>> a = np.array([[1, 1], [1, np.nan]])
>>> np.nansum(a)
3.0
>>> np.nansum(a, axis=0)
array([ 2.,  1.])
>>> np.nansum([1, np.nan, np.inf])
inf
>>> np.nansum([1, np.nan, np.NINF])
-inf
>>> np.nansum([1, np.nan, np.inf, -np.inf]) # both +/- infinity present
nan