numpy.nanprod

numpy.nanprod(a, axis=None, dtype=None, out=None, keepdims=<no value>) [source]

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

Для срезов, которые содержат только NaN или пустые, возвращается единица.

Добавлена в версии 1.10.0.

Параметры:

a : array_like Массив, содержащий числа, произведение которых требуется. Если a не является массивом, производится попытка преобразования. axis : {int, tuple of int, None}, optional Ось или оси, по которым вычисляется произведение. По умолчанию вычисляется произведение сплющенного массива. dtype : data-type, optional Тип возвращаемого массива и накопителя, 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 по умолчанию будет использоваться (u)int32 или (u)int64 в зависимости от того, 32 или 64 бита имеет платформа. Для неточных входных данных тип данных должен быть неточным. out : ndarray, optional Альтернативный массив вывода, в котором следует разместить результат. По умолчанию - None. Если предоставлен, он должен иметь ту же форму, что и ожидаемый результат, но тип будет преобразован при необходимости. Смотрите doc.ufuncs для получения подробностей. Преобразование NaN в целое число может привести к неожиданным результатам. keepdims : bool, optional Если True, оси, которые были уменьшены, остаются в результате в качестве измерений с размером один. С этим параметром результат будет правильно транслироваться относительно исходного arr.

Возвращает:

nanprod : ndarray Возвращается новый массив, содержащий результат, если не указан out, в этом случае он возвращается.

См. также

numpy.prod

Произведение по массиву, распространяющее NaN.

isnan

Показывает, какие элементы являются NaN.

Примеры

>>> np.nanprod(1)
1
>>> np.nanprod([1])
1
>>> np.nanprod([1, np.nan])
1.0
>>> a = np.array([[1, 2], [3, np.nan]])
>>> np.nanprod(a)
6.0
>>> np.nanprod(a, axis=0)
array([ 3.,  2.])