numpy.ufunc.accumulate

ufunc.accumulate(array, axis=0, dtype=None, out=None, keepdims=None)

Накапливать результат применения оператора ко всем элементам.

Для одномерного массива accumulate производит результаты, эквивалентные:

r = np.empty(len(A))
t = op.identity        # op = the ufunc being applied to A's  elements
for i in range(len(A)):
    t = op(t, A[i])
    r[i] = t
return r

Например, add.accumulate() эквивалентно np.cumsum().

Для многомерного массива accumulate применяется только по одной оси (по умолчанию ось ноль; см. примеры ниже), поэтому для накопления по нескольким осям требуется повторное использование.

Параметры:

array : array_like Массив, над которым нужно действовать. axis : int, необязательно Ось, по которой применять накопление; по умолчанию ноль. dtype : код типа данных, необязательно Тип данных, используемый для представления промежуточных результатов. По умолчанию — тип данных выходного массива, если он указан, или тип данных входного массива, если выходной массив не указан. out : ndarray, None или кортеж из ndarray и None, необязательно Место, в которое сохраняется результат. Если не указан или None, возвращается только что выделенный массив. Для согласованности с ufunc.__call__, если задан в качестве ключевого слова, это может быть обернуто в кортеж из 1 элемента. Изменено в версии 1.13.0: Кортежи разрешены для ключевого аргумента. keepdims : bool Не оказывает никакого влияния. Устарело и будет удалено в будущем.

Возвращает:

r : ndarray Накопленные значения. Если out был предоставлен, r является ссылкой на out.

Примеры

Примеры для одномерного массива:

>>> np.add.accumulate([2, 3, 5])
array([ 2,  5, 10])
>>> np.multiply.accumulate([2, 3, 5])
array([ 2,  6, 30])

Примеры для двумерного массива:

>>> I = np.eye(2)
>>> I
array([[ 1.,  0.],
       [ 0.,  1.]])

Накопление по оси 0 (строки), вниз по столбцам:

>>> np.add.accumulate(I, 0)
array([[ 1.,  0.],
       [ 1.,  1.]])
>>> np.add.accumulate(I) # no axis specified = axis zero
array([[ 1.,  0.],
       [ 1.,  1.]])

Накопление по оси 1 (столбцы), по строкам:

>>> np.add.accumulate(I, 1)
array([[ 1.,  1.],
       [ 0.,  1.]])