numpy.ufunc.reduce #

方法

ufunc。reduce ( array , axis=0 , dtype=None , out=None , keepdims=False , initial=<无值> , where=True ) #

array通过沿一个轴应用 ufunc 将的维度减小一。

让\(array.shape = (N_0, ..., N_i, ..., N_{M-1})\)。然后 \(ufunc.reduce(array, axis=i)[k_0, ..,k_{i-1}, k_{i+1}, .., k_{M-1}]\)=迭代j的结果\(range(N_i)\)，累积地将 ufunc 应用于每个\(array[k_0, ..,k_{i-1}, j, k_{i+1}, .., k_{M-1}]\)。对于一维数组，reduce 产生的结果相当于：

r = op.identity # op = ufunc
for i in range(len(A)):
  r = op(r, A[i])
return r

例如，add.reduce() 相当于 sum()。

参数：

数组类似数组

要执行操作的数组。

axis无或整数或整数元组，可选

执行缩减的一个或多个轴。默认值 ( axis = 0) 对输入数组的第一维执行缩减。axis可能为负数，在这种情况下，它从最后一个轴开始计数到第一个轴。

1.7.0 版本中的新增内容。

如果为“无”，则对所有轴执行缩减。如果这是一个整数元组，则在多个轴上执行归约，而不是像以前那样在单个轴或所有轴上执行归约。

对于不可交换或不可关联的运算，在多个轴上进行归约并没有明确定义。在这种情况下，ufunc 目前不会引发异常，但将来可能会引发异常。

dtype数据类型代码，可选

用于表示中间结果的类型。如果提供了输出数组，则默认为输出数组的数据类型；如果未提供输出数组，则默认为输入数组的数据类型。

out ndarray、None 或 ndarray 和 None 的元组，可选

存储结果的位置。如果未提供或无，则返回新分配的数组。为了与保持一致 ufunc.__call__，如果作为关键字给出，则可以将其包装在 1 元素元组中。

版本 1.13.0 中进行了更改：关键字参数允许使用元组。

keepdims布尔值，可选

如果将此设置为 True，则缩小的轴将作为大小为 1 的维度保留在结果中。使用此选项，结果将根据原始正确广播array。

1.7.0 版本中的新增内容。

初始标量，可选

开始减少的值。如果 ufunc 没有标识或者 dtype 是对象，则默认为 None - 否则默认为 ufunc.identity。如果None给出，则使用归约的第一个元素，如果归约为空，则抛出错误。

1.15.0 版本中的新增功能。

其中array_like of bool，可选

一个布尔数组，它被广播以匹配的维度array，并选择要包含在归约中的元素。请注意，对于像minimum这样没有定义标识的 ufunc，必须传入 also initial。

1.17.0 版本中的新增功能。

返回：

r ndarray: 减少的数组。如果提供了out ，则 r是对其的引用。

例子

>>> np.multiply.reduce([2,3,5])
30

多维数组示例：

>>> 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]])

您可以使用initial关键字参数用不同的值初始化归约，并where选择要包含的特定元素：

>>> 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

允许减少通常会失败的空数组，即没有标识的 ufunc。

>>> 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