numpy.ufunc.reduce

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

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

Пусть . Тогда = результат итерации j по , кумулятивно применяя 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, на котором будет выполняться операция. axis : None or int or tuple of ints, optional Ось или оси, по которым выполняется уменьшение. По умолчанию (axis = 0) выполняется уменьшение по первой размерности входного массива. axis может быть отрицательным, в этом случае он отсчитывается с последней до первой оси. Добавлена в версии 1.7.0. Если это None, выполняется уменьшение по всем осям. Если это кортеж из целых чисел, выполняется уменьшение по нескольким осям, а не по одной оси или всем осям, как раньше. Для операций, которые не являются коммутативными или ассоциативными, выполнение уменьшения по нескольким осям не определено. В настоящее время ufuncs не генерируют исключение в этом случае, но, вероятно, будут делать это в будущем. dtype : data-type code, optional Тип, используемый для представления промежуточных результатов. По умолчанию соответствует типу данных выходного массива, если он предоставлен, или типу данных входного массива, если выходной массив не предоставлен. out : ndarray, None, or tuple of ndarray and None, optional Местоположение, в которое сохраняется результат. Если не указано или None, возвращается свежевыделенный массив. Для согласованности с ufunc.__call__, если указано в качестве ключевого аргумента, это может быть обернуто в кортеж из одного элемента. Изменено в версии 1.13.0: Кортежи разрешены для ключевого аргумента. keepdims : bool, optional Если установлено в True, оси, которые уменьшаются, остаются в результате как размерности с размером один. С этим вариантом результат будет правильно транслироваться относительно исходного arr. Добавлена в версии 1.7.0. initial : scalar, optional Значение, с которого следует начать уменьшение. Если у ufunc нет идентичности или dtype является object, по умолчанию значение None - в противном случае по умолчанию является ufunc.identity. Если None задано, используется первый элемент уменьшения, и генерируется ошибка, если уменьшение пусто. Добавлена в версии 1.15.0.

Возвращает:

r : ndarray Суммированный массив. Если out был предоставлен, r — ссылка 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]])

Вы можете использовать ключевой аргумент initial для инициализации уменьшения другим значением.

>>> np.add.reduce([10], initial=5)
15
>>> np.add.reduce(np.ones((2, 2, 2)), axis=(0, 2), initializer=10)
array([14., 14.])

Позволяет выполнять уменьшения пустых массивов, в которых они обычно терпят неудачу, т.е. для ufuncs без идентичности.

>>> np.minimum.reduce([], initial=np.inf)
inf
>>> np.minimum.reduce([])
Traceback (most recent call last):
    ...
ValueError: zero-size array to reduction operation minimum which has no identity