python中np.cumsum和np.cumprod函數(shù)到底在干嘛

這篇文章主要介紹python中np.cumsum和np.cumprod函數(shù)到底在干嘛，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

pandas.Series.cumprod 官方文檔

cumprod()累積連乘

Series.cumprod(axis=None, skipna=True, *args, **kwargs)
#實(shí)現(xiàn)功能：Return cumulative product over a DataFrame or Series axis.
#實(shí)現(xiàn)功能：Returns a DataFrame or Series of the same size containing the cumulative product.
#return：scalar or Series

cumsum()累積連加

pandas.Series.prod官方文檔

Series.prod(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs)
# 實(shí)現(xiàn)功能：Return the product of the values for the requested axis.
# return：scalar or Series

優(yōu)點(diǎn)沒看明白，因?yàn)槌Ｒ?guī)情況下，所用的.prod()并非pandas下的函數(shù)，而是numpy下的函數(shù)。

numpy.prod官方文檔

numpy.prod(a, axis=None, dtype=None, out=None, keepdims=<class numpy._globals._NoValue>)
# 實(shí)現(xiàn)功能：Return the product of array elements over a given axis.
# return：product_along_axis : ndarray

返回給定軸上數(shù)組元素的乘積。

跟cumprod不同，cumprod是計(jì)算當(dāng)前一個(gè)累積乘上前面所有的數(shù)據(jù)，更多是一個(gè)list；prod返回的是給定這個(gè)軸上最終一個(gè)值。

補(bǔ)充：【python初學(xué)者】簡單易懂的圖解：np.cumsum和np.cumprod函數(shù)到底在干嘛？

1.np.cumsum

本人是一名python小白，最近過完了python的基本知識后，在看《利用python進(jìn)行數(shù)據(jù)分析》這本書，書中cumsum函數(shù)一筆帶過留下本小白“懵逼樹下你和我”，當(dāng)然是我自己的問題不是書的問題，經(jīng)過畫圖理解后漸漸明白了這個(gè)函數(shù)到底在干么。

1.1np.cumsum-軸的概念

首先，在學(xué)習(xí)cumsum函數(shù)之前我們應(yīng)該先明白什么是軸，以下面代碼來進(jìn)行說明：

arr=np.arange(1,17,1).reshape((2,2,4))
arr

array([[[ 1,  2,  3,  4],
        [ 5,  6,  7,  8]],

       [[ 9, 10, 11, 12],
        [13, 14, 15, 16]]])

其實(shí)數(shù)組的軸(axis)就是數(shù)組的維度，上面的代碼生成了一個(gè)224的數(shù)組，所以

1、這個(gè)數(shù)組的0軸為2 ，axis=0

2、這個(gè)數(shù)組的1軸為2 ，axis=1

3、這個(gè)數(shù)組的2軸為4 ，axis=2

該數(shù)組如圖所示（藍(lán)，橙，黃，綠都是2軸，橙和綠上的“2軸”畫圖時(shí)忘了標(biāo)注）：

這里還要補(bǔ)充說一下：紅色的數(shù)字只是因?yàn)槲矣玫膇Pad畫圖很不方便所以沒改成黑色，忽略就好

1.2cumsum(axis=0)

cumsum作用：計(jì)算軸向元素累加和，返回由中間結(jié)果組成的數(shù)組

這句概念中我認(rèn)為大家理解起來比較難受的地方應(yīng)該是軸向元素累加。

首先，通過前文對軸概念的理解我們可以知道

axis=0代表著最外層的維度也就是0軸（這里可能說法不太正確，主要為了配合上節(jié)圖片），所以就是0軸的累加計(jì)算，我們以前文用到的數(shù)組為例（紅色虛線表示按照0軸進(jìn)行累加）：

step1:

沿著0軸進(jìn)行累加

step2:

將[1,2,3,4]和[9,10,11,12]進(jìn)行累加，將[5,6,7,8]和[13,14,15,16]

代碼：

arr=np.array([[[ 1,  2,  3,  4],
               [ 5,  6,  7,  8]],
              [[ 9, 10, 11, 12],
               [13, 14, 15, 16]]])
arr.cumsum(axis=0)

結(jié)果為：

array([[[ 1,  2,  3,  4],
        [ 5,  6,  7,  8]],

       [[10, 12, 14, 16],
        [18, 20, 22, 24]]])

1.3cumsum(axis=1)

這里我們還是以之前舉例的數(shù)組為例，沿著1軸進(jìn)行累加（也就是2 * 2 * 4中的第二個(gè)2），這里為了方便講解我將數(shù)組的擺放位置換了一下，不影響哈～

step1:

紅色虛線代表我們現(xiàn)在應(yīng)該沿著1軸進(jìn)行累加啦！

step2：

既然沿著1軸進(jìn)行累加，我們是不是就應(yīng)該在1軸內(nèi)部進(jìn)行累加呢？

所以就應(yīng)該[1,2,3,4]和[5,6,7,8]進(jìn)行累加，[9,10,11,12]和[13,14,15,16]進(jìn)行累加

代碼結(jié)果：

arr.cumsum(axis=1)
#運(yùn)行結(jié)果
array([[[ 1,  2,  3,  4],
        [ 6,  8, 10, 12]],

       [[ 9, 10, 11, 12],
        [22, 24, 26, 28]]])

1.4cumsum(axis=2)

都已經(jīng)講到沿著軸2進(jìn)行累加了，廢話就不多說了直接放圖，大家看看有沒有做對吧

step1：

老規(guī)矩：紅色虛線表示沿著2軸進(jìn)行累加，所以應(yīng)該是1，2，3，4進(jìn)行累加，5，6，7，8進(jìn)行累加，依次類推

step2

我們以藍(lán)色這一項(xiàng)為例：

第一項(xiàng)：1第二項(xiàng)：1+2=3第三項(xiàng)：1+2+3=6第四項(xiàng)：1+2+3+4=10

代碼結(jié)果：

arr.cumsum(axis=2)
#運(yùn)行結(jié)果
array([[[ 1,  3,  6, 10],
        [ 5, 11, 18, 26]],

       [[ 9, 19, 30, 42],
        [13, 27, 42, 58]]])

python是什么意思

Python是一種跨平臺的、具有解釋性、編譯性、互動性和面向?qū)ο蟮哪_本語言，其最初的設(shè)計(jì)是用于編寫自動化腳本，隨著版本的不斷更新和新功能的添加，常用于用于開發(fā)獨(dú)立的項(xiàng)目和大型項(xiàng)目。

以上是“python中np.cumsum和np.cumprod函數(shù)到底在干嘛”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道！