Python numpy ufunc.reduce用法及代码示例

本文简要介绍 python 语言中 numpy.ufunc.reduce 的用法。

用法:

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

通过沿一个轴应用 ufunc，将 array 的维度减少一。

让\(array.shape = (N_0, ..., N_i, ..., N_{M-1})\).然后\(ufunc.reduce(array, axis=i)[k_0, ..,k_{i-1}, k_{i+1}, .., k_{M-1}]\)= 迭代的结果j超过\(range(N_i)\), 累积应用 ufunc 到每个\(array[k_0, ..,k_{i-1}, j, k_{i+1}, .., k_{M-1}]\).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() 等价于sum()。

参数：

array： array_like

要操作的数组。

axis： 无或int 或整数元组，可选

沿其执行缩减的一个或多个轴。默认 (axis = 0) 是对输入数组的第一维执行缩减。轴可能是负数，在这种情况下，它从最后一个轴计数到第一个轴。

如果这是 None，则在所有轴上执行归约。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。

对于非交换或非关联的操作，在多个轴上进行归约不是明确定义的。在这种情况下，ufunc 目前不会引发异常，但将来可能会这样做。

dtype： 数据类型代码，可选

用于表示中间结果的类型。如果提供，则默认为输出数组的数据类型，如果没有提供输出数组，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 None，则返回一个新分配的数组。为了与 ufunc.__call__ 保持一致，如果作为关键字给出，则可以将其包装在 1 元素元组中。

keepdims： 布尔型，可选

如果将其设置为 True，则缩小的轴将作为尺寸为 1 的尺寸留在结果中。使用此选项，结果将针对原始 array 正确广播。

initial： 标量，可选

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

where： 类似于 bool 的数组，可选

广播的布尔数组以匹配 array 的维度，并选择要包含在缩减中的元素。请注意，对于像 minimum 这样没有定义身份的 ufunc，还必须传入 initial 。

返回：

r： ndarray

缩小的数组。如果提供了 out，则 r 是对它的引用。

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 关键字参数以使用不同的值初始化归约，并使用 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，即对于没有标识的 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