numpy.nancumsum
numpy.nancumsum(a, axis=None, dtype=None, out=None)
Функция nancumsum() возвращает кумулятивную (накапливаемую) сумму элементов массива, в том числе и по заданной оси (осям), в которой элементы nan учитываются как 0.
Для пустых массивов или массивов состоящих только из nan возвращается 0.
-
- a - подобный массиву объект или массив NumPy
- Указанный объект или массив может состоять из любого доступного в NumPy числового типа.
- axis - None, целое число или кортеж целых чисел (необязательный аргумент)
- Данный параметр указывает номер оси или номера осей массива по которым выполняется суммирование его элементов. По умолчанию
axis = None, что соответствует кумулятивному суммированию всех элементов массива. Если указано отрицательное число, то номер оси отсчитывается от последней оси по направлению к первой. Если указан кортеж целых чисел, то кумулятивное суммирование выполняется по всем указанным осям. - dtype - тип данных NumPy (необязательный аргумент)
- Данный параметр указывает тип данных возвращаемого массива а так же тип накапливающего сумматора, в котором происходит сложение элементов. По умолчанию
dtype = None, что соответствует типу данных входного массива. - out - массив Numpy (необязательный аргумент)
- Указывает массив в который будет помещен результат работы функции. Данный массив должен иметь форму идентичную массиву с результатом работы функции. Подробнее о данном параметре смотрите на странице универсальные функции в разделе out.
-
- результат - число или массив NumPy
- Массив в котором каждый элемент является суммой предшествующих ему элементов в исходном массиве или элементов вдоль указанной оси исходного массива.
Примеры
>>> import numpy as np
>>>
>>> np.nancumsum([])
array([], dtype=float64)
>>> np.nancumsum(1)
array([1], dtype=int32)
>>> np.nancumsum([1])
array([1], dtype=int32)
>>> np.nancumsum(np.nan)
array([0.])
>>> np.nancumsum([np.nan])
array([0.])
>>>
>>> x = np.full(5, np.nan)
>>> x
array([nan, nan, nan, nan, nan])
>>>
>>> np.nancumsum(x)
array([0., 0., 0., 0., 0.])
>>>
>>>
>>> x = np.arange(1, 10, dtype = np.float64).reshape(3, 3)
>>> x
array([[1., 2., 3.],
[4., 5., 6.],
[7., 8., 9.]])
>>> i, j = [0, 1, 2], [0, 1, 2]
>>> x[i, j] = np.nan
>>> x
array([[nan, 2., 3.],
[ 4., nan, 6.],
[ 7., 8., nan]])
>>>
>>>
>>> np.nancumsum(x)
array([ 0., 2., 5., 9., 9., 15., 22., 30., 30.])
>>>
>>> # кумулятивная сумма по столбцам:
... np.nancumsum(x, axis = 0)
array([[ 0., 2., 3.],
[ 4., 2., 9.],
[11., 10., 9.]])
>>>
>>> # кумулятивная сумма по строкам:
... np.nancumsum(x, axis = 1)
array([[ 0., 2., 5.],
[ 4., 4., 10.],
[ 7., 15., 15.]])
>>>
>>>
>>> # Наличие значений inf и -inf:
... x = np.arange(1, 10, dtype = np.float64).reshape(3, 3)
>>> x
array([[1., 2., 3.],
[4., 5., 6.],
[7., 8., 9.]])
>>> x[1][1] = np.inf
>>> x
array([[ 1., 2., 3.],
[ 4., inf, 6.],
[ 7., 8., 9.]])
>>> np.nancumsum(x)
array([ 1., 3., 6., 10., inf, inf, inf, inf, inf])
>>>
>>> x[1][1] = -np.inf
>>> x
array([[ 1., 2., 3.],
[ 4., -inf, 6.],
[ 7., 8., 9.]])
>>> np.nancumsum(x)
array([ 1., 3., 6., 10., -inf, -inf, -inf, -inf, -inf])
>>>
>>> x = np.arange(1, 10, dtype = np.float64).reshape(3, 3)
>>> x[1][0] = np.inf
>>> x[2][0] = -np.inf
>>> x
array([[ 1., 2., 3.],
[ inf, 5., 6.],
[-inf, 8., 9.]])
>>> np.nancumsum(x)
array([ 1., 3., 6., inf, inf, inf, nan, nan, nan])
