numpy.ufunc.reduce

метод

ufunc.reduce(a, axis=0, dtype=None, out=None, keepdims=False, initial=<no value>, where=True)

Уменьшает размерность a на единицу, применяя ufunc вдоль 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, к которому применять операцию. axis : None or int or tuple of ints, optional 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 отсчитывается с последней по первую ось. Новое в версии 1.7.0. Если это None, выполняется сокращение по всем осям. Если это кортеж целых чисел, сокращение выполняется по нескольким осям, а не по одной оси или всем осям, как раньше. Для операций, которые не являются коммутативными или ассоциативными, выполнение сокращения 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 совпадает с типом данных выходного массива, если он предоставлен, или с типом данных входного массива, если выходной массив не предоставлен. out : ndarray, None, or tuple of ndarray and None, optional Расположение, в котором хранится результат. Если не указано или None, возвращается только что выделенный массив. Для согласованности с ufunc.__call__, если задано как ключевое слово, это может быть заключено в кортеж из 1 элемента. Изменено в версии 1.13.0: Разрешены кортежи для ключевого аргумента. keepdims : bool, optional Если установлено в True, оси, которые сокращаются, остаются в результате в виде измерений с размером один. С этим параметром результат будет правильно транслироваться по отношению к исходному arr. Новое в версии 1.7.0. initial : scalar, optional Значение, с которого начать сокращение. Если у ufunc нет тождества или тип данных – object, это по умолчанию None – в противном случае по умолчанию ufunc.identity. Если None указан, используется первый элемент сокращения, и выбрасывается ошибка, если сокращение пустое. Новое в версии 1.15.0. where : array_like of bool, optional Булевый массив, который транслируется для соответствия измерениям a, и выбирает элементы для включения в сокращение. Обратите внимание, что для ufuncs, таких как minimum, для которых не определено тождество, необходимо также передать initial. Новое в версии 1.17.0.

Возвращает:

r : ndarray Сокращенный массив. 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]])

Вы можете использовать ключевой аргумент initial для инициализации сокращения другим значением и where для выбора определенных элементов для включения:

>>> np.add.reduce([10], initial=5)
15
>>> np.add.reduce(np.ones((2, 2, 2)), axis=(0, 2), initial=10)
array([14., 14.])
>>> a = np.array([10., np.nan, 10])
>>> np.add.reduce(a, where=~np.isnan(a))
20.0

Разрешает сокращения пустых массивов, где они обычно завершаются ошибкой, т. е. для ufuncs без тождества.

>>> np.minimum.reduce([], initial=np.inf)
inf
>>> np.minimum.reduce([[1., 2.], [3., 4.]], initial=10., where=[True, False])
array([ 1., 10.])
>>> np.minimum.reduce([])
Traceback (most recent call last):
    ...
ValueError: zero-size array to reduction operation minimum which has no identity