numpy.ufunc.accumulate

метод

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

Накапливает 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 необходимо повторное использование.

Параметры:

array : array_like Массив, на котором нужно действовать. axis : int, optional Ось, по которой применять накопление; по умолчанию ноль. dtype : data-type code, optional Тип данных, используемый для представления промежуточных результатов. По умолчанию – тип данных выходного массива, если он предоставлен, или тип данных входного массива, если выходной массив не предоставлен. out : ndarray, None, or tuple of ndarray and None, optional Расположение, в которое сохраняется результат. Если не указано или None, возвращается только что выделенный массив. Для согласованности с ufunc.__call__, если задано в качестве ключевого аргумента, это может быть упаковано в кортеж из 1 элемента. Изменено в версии 1.13.0: Кортежи разрешены для ключевого аргумента.

Возвращает:

r : ndarray Накопленные значения. Если out был предоставлен, r – ссылка на out.

Примеры

Примеры с одномерным массивом:

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

Примеры с двумерным массивом:

>>> 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), через строки:

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