Python numpy ufunc.reduce用法及代碼示例

本文簡要介紹 python 語言中 numpy.ufunc.reduce 的用法。

用法:

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

通過沿一個軸應用 ufunc，將 array 的維度減少一。

讓\(array.shape = (N_0, ..., N_i, ..., N_{M-1})\).然後\(ufunc.reduce(array, axis=i)[k_0, ..,k_{i-1}, k_{i+1}, .., k_{M-1}]\)= 迭代的結果j超過\(range(N_i)\), 累積應用 ufunc 到每個\(array[k_0, ..,k_{i-1}, j, k_{i+1}, .., k_{M-1}]\).對於一維數組，reduce 產生的結果相當於：

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

例如，add.reduce() 等價於sum()。

參數：

array： array_like

要操作的數組。

axis： 無或int 或整數元組，可選

沿其執行縮減的一個或多個軸。默認 (axis = 0) 是對輸入數組的第一維執行縮減。軸可能是負數，在這種情況下，它從最後一個軸計數到第一個軸。

如果這是 None，則在所有軸上執行歸約。如果這是一個整數元組，則在多個軸上執行歸約，而不是像以前那樣在單個軸或所有軸上執行。

對於非交換或非關聯的操作，在多個軸上進行歸約不是明確定義的。在這種情況下，ufunc 目前不會引發異常，但將來可能會這樣做。

dtype： 數據類型代碼，可選

用於表示中間結果的類型。如果提供，則默認為輸出數組的數據類型，如果沒有提供輸出數組，則默認為輸入數組的數據類型。

out： ndarray，None，或 ndarray 和 None 的元組，可選

存儲結果的位置。如果未提供或 None，則返回一個新分配的數組。為了與 ufunc.__call__ 保持一致，如果作為關鍵字給出，則可以將其包裝在 1 元素元組中。

keepdims： 布爾型，可選

如果將其設置為 True，則縮小的軸將作為尺寸為 1 的尺寸留在結果中。使用此選項，結果將針對原始 array 正確廣播。

initial： 標量，可選

開始減少的值。如果 ufunc 沒有標識或 dtype 是對象，則默認為 None - 否則默認為 ufunc.identity。如果給定None，則使用歸約的第一個元素，如果歸約為空則拋出錯誤。

where： 類似於 bool 的數組，可選

廣播的布爾數組以匹配 array 的維度，並選擇要包含在縮減中的元素。請注意，對於像 minimum 這樣沒有定義身份的 ufunc，還必須傳入 initial 。

返回：

r： ndarray

縮小的數組。如果提供了 out，則 r 是對它的引用。

例子：

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

多維數組示例：

>>> 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 關鍵字參數以使用不同的值初始化歸約，並使用 where 選擇要包含的特定元素：

>>> 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

允許減少通常會失敗的空數組，即對於沒有標識的 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