numpy.ufunc.reduce

ufunc.reduce(a, axis=0, dtype=None, out=None, keepdims=False)

Уменьшает размерность a на единицу, применяя ufunc вдоль одной оси.

Пусть . Тогда = результат итерации j по , кумулятивного применения ufunc к каждому . Для одномерного массива, reduce производит результаты, эквивалентные:

r = op.identity # op = ufunc
for i in range(len(A)):
  r = op(r, A[i])
return r

Например, add.reduce() эквивалентно sum().

Параметры:

a : array_like Массив, над которым выполняется операция. axis : None или int или кортеж из целых чисел, необязательно Ось или оси, по которым выполняется сокращение. По умолчанию (axis = 0) выполняется сокращение по первой размерности входного массива. axis может быть отрицательным, в этом случае он считает от последней к первой оси. Введено в версии 1.7.0. Если это None, выполняется сокращение по всем осям. Если это кортеж из целых чисел, сокращение выполняется по нескольким осям, а не по одной оси или всем осям, как раньше. Для операций, которые не коммутативны или не ассоциативны, выполнение сокращения по нескольким осям не определено. В настоящее время ufuncs не выдают исключение в этом случае, но, вероятно, будут делать это в будущем. dtype : код типа данных, необязательно Тип, используемый для представления промежуточных результатов. По умолчанию совпадает с типом выходного массива, если он предоставлен, или типом входного массива, если выходной массив не предоставлен. out : ndarray, необязательно Место, в которое сохраняется результат. Если не указано, возвращается свежевыделенный массив. keepdims : bool, необязательно Если установлено в True, оси, по которым выполняется сокращение, остаются в результате в виде измерений с размером один. С этим вариантом результат будет корректно транслироваться относительно исходного arr. Введено в версии 1.7.0.

Возвращаемое значение:

r : ndarray Массив, полученный в результате сокращения. Если out был предоставлен, r является ссылкой на него.

Примеры

>>> np.multiply.reduce([2,3,5])
30

Пример многомерного массива:

>>> X = np.arange(8).reshape((2,2,2))
>>> X
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])
>>> np.add.reduce(X, 0)
array([[ 4,  6],
       [ 8, 10]])
>>> np.add.reduce(X) # confirm: default axis value is 0
array([[ 4,  6],
       [ 8, 10]])
>>> np.add.reduce(X, 1)
array([[ 2,  4],
       [10, 12]])
>>> np.add.reduce(X, 2)
array([[ 1,  5],
       [ 9, 13]])