1 python数据分析numpy基础之sum用法和示例

python的numpy库的sum()函数，用于对数组指定轴的元素求和。

用法

 numpy.sum(a, axis=None, dtype=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)

描述

入参a可以为数组或类数组(元组，列表)。如果axis没有传则对全部元素求和。

入参

a：必选，array_like，需要求和的数组，或者列表、元组。

axis：可选，整数，或整数元组。表示要求和轴，默认为None，表示对全部元素求和。

dtype：可选，表示求和后数组的类型，或标量的类型。

1.1 入参a

numpy.sum()的入参a为必选入参，表示要求和的元素，可以为数组、列表、元组。

 >>> import numpy as np
 # np.sum的第1个入参a表示要求和的数组、列表、元组
 # a可以为列表
 >>> np.sum([0.5, 1.5])
 2.0
 # a可以为元组
 >>> np.sum((0.5, 1.5))
 2.0
 # a可以为数组
 >>> np.sum(np.array([0.5,1.5]))
 2.0

1.2 入参axis为整数

numpy.sum()的入参axis为可选入参，表示根据指定维度对同维度同方向的元素求和，可以为整数或整数元组。

入参axis默认为None，表示对sum的入参a的全部元素求和。

入参axis为整数时，对同维度同方向的元素求和，多个方向同维度的元素后组成数组。

比如，三维数组大小为(2,3,4)，则0轴同维度同方向的元素有2个，为2个大小为(3,4)的二维数组，所以相加后为大小为(3,4)的二维数组。

1轴同维度同方向的元素有3个，为3个大小为4的一维数组，所以同方向的元素相加后为一维数组，大小为4；另一个方向的同维度同方向的元素相加后为一维数组，大小为4；1轴同维度不同方向的元素有2个，最终1轴同维度同方向的元素相加后组成有2个一维数组的二维数组，大小为(2,4)。

2轴为一为数组，同维度同方向的元素为标量，共有4个，同维度同方向的标量相加后为标量，2轴在1轴上有3个不同方向的一维数组，3个不同方向的标量和组成一维数组，1轴在0轴上有2个不同方向的元素，这2个不同方向的2轴元素和为2个一维数组，组成2个元素为一维数组的二维数组，最终2轴同维度同方向的元素相加后组成(2,3)的二维数组。

 >>> import numpy as np
 # 创建一个三维数组，0,1,2轴的大小分别为2,3,4
 # 0轴为三维数组，由1轴的二维数组组成
 # 1轴为二维数组，由2轴的一维数组组成
 # 2轴为一维数组，由标量组成
 >>> ar3=np.arange(24).reshape(2,3,4)
 >>> ar3
 array([[[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11]],
 
        [[12, 13, 14, 15],
         [16, 17, 18, 19],
         [20, 21, 22, 23]]])
 # axis=None，默认值，表示对全部元素求和
 >>> np.sum(ar3)
 276
 >>> np.sum(ar3,axis=0)
 array([[12, 14, 16, 18],
        [20, 22, 24, 26],
        [28, 30, 32, 34]])
 # ar3的0轴同方向有2个二维数组，ar3[0]和ar3[1]
 # np.sum(ar3,axis=0)=ar3[0]+ar3[1]
 >>> ar30=ar3[0]+ar3[1]
 >>> ar30
 array([[12, 14, 16, 18],
        [20, 22, 24, 26],
        [28, 30, 32, 34]])      
 >>> np.sum(ar3,axis=1)
 array([[12, 15, 18, 21],
        [48, 51, 54, 57]])
 # ar3的1轴有两个方向，ar3[0]和ar3[1]
 # ar3[0]或ar3[1]同方向有3个一维数组
 # ar3[0]：ar3[0,0],ar3[0,1],ar3[0,2]
 # ar3[1]：ar3[0,0],ar3[0,1],ar3[0,2]
 # np.sum(ar3,axis=1)=np.array([ar300,ar301])
 >>> ar310=ar3[0,0]+ar3[0,1]+ar3[0,2]
 >>> ar311=ar3[1,0]+ar3[1,1]+ar3[1,2]
 # ar3的1轴2个方向的和，组成数组
 >>> np.array([ar310,ar311])
 array([[12, 15, 18, 21],
        [48, 51, 54, 57]])
 >>> np.sum(ar3,axis=2)
 array([[ 6, 22, 38],
        [54, 70, 86]])
 # ar3的2轴为一维数组有4个标量，
 # ar3的1轴有3个不同方向的2轴元素，
 # ar3的0轴有2个不同方向的1轴元素，
 # ar3总共有2*3=6个不同方向的2轴一维数组
 # 1轴的3个方向(3个一维数组)各自的和组成一维数组
 # 0轴有2个方向各自的和组成一维数组
 # np.sum(ar3,axis=2)=np.array([ar3210,ar3211])
 >>> ar3210=[np.sum(ar3[0,0]),np.sum(ar3[0,1]),np.sum(ar3[0,2])]
 >>> ar3211=[np.sum(ar3[1,0]),np.sum(ar3[1,1]),np.sum(ar3[1,2])]
 >>> np.array([ar3210,ar3211])
 array([[ 6, 22, 38],
        [54, 70, 86]])
 # axis=负数，则-1对应最后一个轴，-2倒数第2个轴，依此类推   
 >>> np.sum(ar3,axis=-1)
 array([[ 6, 22, 38],
        [54, 70, 86]])

1.3 入参axis为整数元组

numpy.sum()的入参axis为整数元组时，表示依次对不同轴上的元素求和，并且axis=(m,n)等于axis=(n,m)。

比如axis=(0,1)，先对0轴求和，再对1轴求和。

 >>> import numpy as np
 >>> ar3=np.arange(24).reshape(2,3,4)
 >>> ar3
 array([[[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11]],
 
        [[12, 13, 14, 15],
         [16, 17, 18, 19],
         [20, 21, 22, 23]]])
 # axis=(0,1)，先对0轴同轴求和，再对1轴同轴求和
 # 0轴求和后有3个一维数组，再将1轴的一维数组相加求和
 >>> np.sum(ar3,axis=(0,1))
 array([60, 66, 72, 78])
 # ar3的0轴求和：2个同轴元素求和:ar3[0]+ar3[1]
 >>> ar30=ar3[0]+ar3[1]
 >>> ar30
 array([[12, 14, 16, 18],
        [20, 22, 24, 26],
        [28, 30, 32, 34]])
 # axis=(0,1)等于axis=(1,0)
 >>> np.sum(ar3,axis=(1,0))
 array([60, 66, 72, 78])
 # 0轴求和后有3个一维数组，再对2轴的标量求和
 >>> np.sum(ar3,axis=(0,2))
 array([ 60,  92, 124])
 # 1轴求和后有2个一维数组，再对2轴的标量求和
 >>> np.sum(ar3,axis=(1,2))
 array([ 66, 210])

1.4 入参dtype

numpy.sum()的入参dtype为可选入参，求和后的数组类型或求和后的标量类型。

 >>> import numpy as np
 # 创建一个三维数组，0,1,2轴的大小分别为2,3,4
 >>> ar3=np.arange(24).reshape(2,3,4)
 >>> ar3
 array([[[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11]],
 
        [[12, 13, 14, 15],
         [16, 17, 18, 19],
         [20, 21, 22, 23]]])
 # dtype指定求和后的数组类型或标量类型
 >>> np.sum(ar3,axis=0,dtype=np.float32)
 array([[12., 14., 16., 18.],
        [20., 22., 24., 26.],
        [28., 30., 32., 34.]], dtype=float32)
 >>> np.sum([1,2,3])
 6
 >>> np.sum([1,2,3],dtype=np.int32)
 6
 >>> np.sum([1,2,3],dtype=np.float32)
 6.0

2 END

本文首发微信公众号：梯阅线条，

更多内容参考python知识分享或软件测试开发目录。