numpy.sum()的使用詳解

Posted on by

numpy的sum函數可接受的參數是:

sum(a, axis=None, dtype=None, out=None, keepdims=np._NoValue)

在參數列表中：
a是要進行加法運算的向量/數組/矩陣
axis的值可以為None,也可以為整數和元組
其形參的註釋如下:

a : array_like elements to sum.

a：用於進行加法運算的數組形式的元素

axis : None or int or tuple of ints, optional
Axis or axes along which a sum is performed.
The default, axis=None, will sum all of the elements of the input array.
If axis is negative it counts from the last to the first axis.
If axis is a tuple of ints, a sum is performed on all of the axes
specified in the tuple instead of a single axis or all the axes as before.

根據上文，可知：

axis的取值有三種情況：1.None，2.整數， 3.整數元組。
（在默認/缺省的情況下，axis取None）
如果axis取None，即將數組/矩陣中的元素全部加起來，得到一個和。

Example:

>>> np.sum([0.5, 1.5])
2.0
>>> np.sum([0.5, 0.7, 0.2, 1.5], dtype=np.int32)
1
>>> np.sum([[0, 1], [0, 5]])
6

如果axis為整數，axis的取值不可大於數組/矩陣的維度，且axis的不同取值會產生不同的結果。

先以2×2的二維矩陣為例：

>>> np.sum([[0, 1], [0, 5]], axis=0)
array([0, 6])
>>> np.sum([[0, 1], [0, 5]], axis=1)
array([1, 5])

在上述例子中

  • 當axis為0時,是壓縮行,即將每一列的元素相加,將矩陣壓縮為一行
  • 當axis為1時,是壓縮列,即將每一行的元素相加,將矩陣壓縮為一列(這裡的一列是為瞭方便理解說的，實際上，在控制臺的輸出中，仍然是以一行的形式輸出的)

具體理解如圖：

  • 當axis取負數的時候，對於二維矩陣，隻能取-1和-2（不可超過矩陣的維度）。
  • 當axis=-1時，相當於axis=1的效果，當axis=-2時，相當於axis=0的效果。

如果axis為整數元組（x，y），則是求出axis=x和axis=y情況下得到的和。
繼續以上面的2×2矩陣為例

>>>np.sum([[0,1],[0,5]],axis=(0,1))
>>>6
>>>np.sum([[0,1],[0,5]],axis=(1,0))
>>>6

另外，需要註意的是:如果要輸入兩個數組/矩陣/向量進行相加,那麼就要先把兩個數組/矩陣/向量用一個括號括起來,形成一個元組,這樣才能夠進行相加。因為numpy.sum的運算實現本質是通過矩陣內部的運算實現的。

當然,如果隻是向量/數組之間做加法運算,可以直接讓兩個向量/數組相加,但前提是它們必須為numpy的array數組才可以,否則隻是單純的列表相加

Example:

>>>v1 = [1, 2]
>>>v2 = [3, 4]
>>>v1 + v2
[1, 2, 3, 4]

>>>v1 = numpy.array[1, 2]
>>>v2 = numpy.array[3, 4]
>>>v1 + v2
[4, 6]

到此這篇關於numpy.sum()的使用詳解的文章就介紹到這瞭,更多相關numpy.sum()使用內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：