numpy.ufunc.reduce

ufunc.reduce(a, axis=0, dtype=None, out=None, keepdims=False)

通过沿一个轴应用ufunc，将a的尺寸减少一。

让。然后 =在之上迭代j的结果，对每个累积应用ufunc。对于一维数组，reduce生成的结果等效于：

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：

a：array_like

要执行的数组。

axis：无或int或tuple ints，可选

执行缩小的轴或轴。默认值（axis = 0）对输入数组的第一维执行缩小。轴可能为负，在这种情况下，从最后一个轴计数到第一个轴。

版本1.7.0中的新功能。

如果这是无，则在所有轴上执行缩小。如果这是一个ints的元组，则在多个轴上执行缩减，而不是像以前一样执行单个轴或所有轴。

对于不是可交换的或不相关的操作，在多个轴上执行缩减不是很好地定义。在这种情况下，ufuncs目前不会引发异常，但是将来可能会这样做。

dtype：数据类型代码，可选

用于表示中间结果的类型。默认为输出数组的数据类型（如果提供）或输入数组的数据类型（如果未提供输出数组）。

out：ndarray，可选

存储结果的位置。如果未提供，则返回新分配的数组。

keepdims：bool，可选

如果设置为True，则缩小的轴在结果中保留为尺寸为1的尺寸。使用此选项，结果将相对于原始arr正确广播。

版本1.7.0中的新功能。

返回：

r：ndarray

减少的数组。如果提供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]])