如何正確的使用numpy.sum()函數(shù)

如何正確的使用numpy.sum()函數(shù)？很多新手對(duì)此不是很清楚，為了幫助大家解決這個(gè)難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來(lái)學(xué)習(xí)下，希望你能有所收獲。

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

在參數(shù)列表中：
a是要進(jìn)行加法運(yùn)算的向量/數(shù)組/矩陣
axis的值可以為None,也可以為整數(shù)和元組
其形參的注釋如下:

a : array_like elements to sum.

a：用于進(jìn)行加法運(yùn)算的數(shù)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(jù)上文，可知：

axis的取值有三種情況：1.None，2.整數(shù)， 3.整數(shù)元組。
（在默認(rèn)/缺省的情況下，axis取None）
如果axis取None，即將數(shù)組/矩陣中的元素全部加起來(lái)，得到一個(gè)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(shù)，axis的取值不可大于數(shù)組/矩陣的維度，且axis的不同取值會(huì)產(chǎn)生不同的結(jié)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(dāng)axis為0時(shí),是壓縮行,即將每一列的元素相加,將矩陣壓縮為一行

• 當(dāng)axis為1時(shí),是壓縮列,即將每一行的元素相加,將矩陣壓縮為一列(這里的一列是為了方便理解說(shuō)的，實(shí)際上，在控制臺(tái)的輸出中，仍然是以一行的形式輸出的)

具體理解如圖：

• 當(dāng)axis取負(fù)數(shù)的時(shí)候，對(duì)于二維矩陣，只能取-1和-2（不可超過(guò)矩陣的維度）。

• 當(dāng)axis=-1時(shí)，相當(dāng)于axis=1的效果，當(dāng)axis=-2時(shí)，相當(dāng)于axis=0的效果。

如果axis為整數(shù)元組（x，y），則是求出axis=x和axis=y情況下得到的和。
繼續(xù)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，需要注意的是:如果要輸入兩個(gè)數(shù)組/矩陣/向量進(jìn)行相加,那么就要先把兩個(gè)數(shù)組/矩陣/向量用一個(gè)括號(hào)括起來(lái),形成一個(gè)元組,這樣才能夠進(jìn)行相加。因?yàn)閚umpy.sum的運(yùn)算實(shí)現(xiàn)本質(zhì)是通過(guò)矩陣內(nèi)部的運(yùn)算實(shí)現(xiàn)的。

當(dāng)然,如果只是向量/數(shù)組之間做加法運(yùn)算,可以直接讓兩個(gè)向量/數(shù)組相加,但前提是它們必須為numpy的array數(shù)組才可以,否則只是單純的列表相加

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]

看完上述內(nèi)容是否對(duì)您有幫助呢？如果還想對(duì)相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章，請(qǐng)關(guān)注億速云行業(yè)資訊頻道，感謝您對(duì)億速云的支持。