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
其形參的注釋如下:

a : array_like elements to sum.

a：用于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的取值不可大于數組/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(這里的一列是為了方便理解說的，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，對于二維矩陣，只能取-1和-2（不可超過矩陣的維度）。
• 當axis=-1時，相當于axis=1的效果，當axis=-2時，相當于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，需要注意的是:如果要輸入兩個數組/矩陣/向量進行相加,那么就要先把兩個數組/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,如果只是向量/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]

到此這篇關于numpy.sum()的使用詳解的文章就介紹到這了,更多相關numpy.sum()使用內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！