keepdims的用法。np.sum()中参数的解释。

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 500+累计阅读 533平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄10年

关注

转载最新推荐文章于 2026-05-28 15:20:27 发布 533 阅读 AI 写同款· GEO 优化 ›

python 中 np.sum()函数通俗易懂理解！ python numpy数组sum函数阅读详情

参考链接
纯属记载，若侵权请联系我删除。

收录于

python

当前文章被收录于：

python

5 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

原文链接：https://www.cnblogs.com/marsggbo/p/9857850.html>

NumPy `numpy.sum()` 深度解析：多维数组求和的艺术与维度控制本文系统介绍了NumPy中np.sum()函数的核心功能与应用。文章首先阐述了np.sum()在科学计算中的重要性，对比了其与Python内置sum()的区别，强调其在多维数组处理、轴向控制和性能上的优势。重点解析了关键参数：axis控制求和方向，keepdims保留维度，dtype防止溢出，并通过2D、3D数组示例详细演示了不同轴向求和的效果。此外还介绍了该函数在数据统计、机器学习和图像处理等场景的应用，以及与其他聚合函数的对比。最后总结了使用最佳实践，帮助读者全面掌握这一数组聚合的核心工具。阅读详情

相关推荐

Jlink除了调试还能干啥？用JFlash SPI给W25Q64烧录固件的5个实用技巧

本文深入探讨了Jlink的隐藏功能，特别是通过JFlash SPI高效烧录W25Q64的5个进阶技巧。从硬件连接优化到批量处理脚本，再到数据安全验证，这些技巧能显著提升烧录速度和稳定性，适用于量产环境。文章还提供了详细的参数配置和脚本示例，帮助工程师充分发挥Jlink的潜力。

weixin_29164843的博客 407

numpy的sum函数的axis和keepdim参数详解

一.axis axis就是指定轴。三维数组可看作元素是二维数组的一维数组，二维数组可看作元素是一维数组的一维数组。（这么理解就舒服了！）例： axis=2就是三维数组对最里面那一层即每个一维数组内部进行求和。 axis=0就是对最外面那一层的元素之间作和。例子戳这里二.keepdim 可以理解为'keepdims = True'参数是为了保持结果的维度与原始array相同，即keep dimension 保持维度. import numpy as np b=np.ar.

长夜漫漫，无心睡眠 5642

别再只盯着GPS了！手把手教你用Python仿真UWB定位，30厘米精度是怎么算出来的？

本文详细解析了UWB（超宽带）室内定位技术的原理与实现，通过Python代码演示如何从三边测量法到实现30厘米精度的定位。文章涵盖了UWB的核心数学模型、Python仿真环境搭建、误差分析及优化策略，为开发者提供了实用的技术指南和应用场景。

weixin_26873711的博客 252

Python NumPy中sum()函数详解 axis与keepdims图解

目录 numy.sum()函数定义与说明代码示例、说明及输出 axis = 0 或axis = -3 axis = 1 或 axis = -2 axis = 2或axis = -1 axis = (0, 2) axis = (0, 2),keepdims=True 总结与扩展经常使用NumPy的小伙伴会遇到axis与keepdims这两个参数，今天笔者来给大家解剖一下。以...

独步天秤的博客 1万+

从压电传感器到示波器：手把手教你用CA3140搭建电荷放大器（含PCB布局与调零技巧）

本文详细介绍了如何使用CA3140运算放大器搭建专业级电荷放大器，从压电传感器信号特性分析到PCB布局与调零技巧，全程实战演示。重点解析了CA3140的低通滤波器设计、反馈网络参数计算及抗干扰增强方案，帮助电子爱好者高效实现微弱电荷信号的稳定转换与测量。

weixin_31355483的博客 596

AD620仪表放大器模块实战：从双电源切换到单电源供电的完整指南（附原理图）

本文深入探讨了AD620仪表放大器模块从双电源切换到单电源供电的常见陷阱与正确方案。通过解析AD620的内部架构与电气特性，指出其“天生”依赖双电源，简单的跳线改装会导致芯片损坏或失效。文章提供了基于AD623芯片的真正单电源替代方案，并附有原理图与实战波形对比，为便携式设备设计提供了完整指南。

weixin_29231027的博客 365

torch.sum()、np.sum()和sum()简要介绍

定义 torch.sum(input1,dim,keepdim) np.sum(input2,axis,keepdims) sum(input3，b) 用法对矩阵数据求和 input1:输入矩阵，tensor类型 dim:要求和的维度,默认求所有元素之和 keepdim:求和之后，被求和的维度元素个数为1，所以要被去掉，若要保留，应keepdim=true input2:输入矩阵，ndarray类型 axis:要求和的维度，同dim keepdims:同keepdim input3:

weixin_45335726的博客 4381

手把手教你用CODESYS将旧笔记本改造成软PLC（含证书配置避坑指南）

本文提供了一份详尽的指南，教你如何利用CODESYS平台将闲置旧笔记本改造为一台功能完整的软PLC。内容涵盖从硬件评估、系统实时性优化、软件安装与驱动配置，到关键的证书授权管理避坑指南，旨在帮助自动化工程师和爱好者低成本搭建稳定可靠的学习与开发平台。

weixin_29190573的博客 279

np.max()、np.argmax()、np.maximum()、np.min()、np.argmin()、np.minimum()、np.sum()

numpy专题——最值、求和最大值np.max()np.argmax()np.maximum()求和二级目录三级目录最大值 np.max() 参数解析 np.max(array, axis=None, out=None, keepdims=False) 一维ndarray import numpy as np array1 = np.array([1, 3, 2, 8, 5]) prin...

dekiang 3万+

深度测评：Accio Work——目前普通用户最友好的多 Agent 协同工具

摘要：Accio Work是阿里国际站推出的多Agent协同工具，通过借鉴古代"三省六部制"构建高效协作框架。该工具支持主流大模型，可配置专业Agent角色，实现40分钟内完成复杂产品PRD等高效协作。其亮点在于直观的UI设计和流程驱动机制，能强制各Agent从专业视角深度思考。虽然超长对话稳定性有待优化，但作为目前最用户友好的多Agent工具，显著降低了构建复杂AI团队的门槛，成为提升个人和小微企业生产力的利器。

Maynor的博客 1728

Python爬虫selenium验证-中文识别点选+图片验证码案例

环境对模型进行训练，参考：https://github.com/sml2h3/dddd_trainer。能识别，但是发现默认识别率有点低，想要提升识别率，可以搭建。截图每个字符，并基于ddddocr识别。根据坐标，在验证码上进行点击。

dme.的博客 2165

np.sum()

** np.sum(array, axis) ** 指定数组元素求和，如果axis为None，则数组所有元素求和，得到一个值。如果指定axis，则按指定轴求和。参数： array : 数组形状 axis：默认None，或者int型例子（1） axis默认值 >>> a = np.arange(6).reshape(2,3) >>> a array([[0, 1, 2], [3, 4, 5]]) >>> np.sum(a) 1

zhouwenyuan1015的博客 6211

redhawk：avgTW maxTW minTW minWC的区别

分析dynamic ir drop报告时会遇到这几个值，avgTW maxTW minTW minWC，如下图。我正在「拾陆楼」和朋友们讨论有趣的话题，你⼀起来吧？

m0_61544122的博客 690

numpy.mean,sum,max,min (keepdims=True)的理解

np.mean() 函数定义： numpy.mean(a, axis, dtype, out，keepdims ) 当 keepidms=True,保持其二维或者三维的特性,(结果保持其原来维数) 默认为 False,不保持其二维或者三维的特性.(结果不保持其原来维数) 接下来我举例子说明: a 是一个(2,2)的二维数组. 第 486 和 491 对比,在 axis=1的时候,当 keepidm...

qq443967620的博客 8436

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

SAP B1中文培訓教材_SDK

公司内部培训资料，对开发工具，DIAPI， UIAPI，Add-ON有详细解说

7.np.sum(a, axis=1, keepdims=True)

7.np.sum(a, axis=1, keepdims=True) axis=1 以竖轴为基准，同行相加 keepdims主要用于保持矩阵的二维特性

小白夺植物战僵尸的博客 8896

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候提示IE WebControls 不通过，这个工具可以欺骗u8的检查。跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

np.outer(),np.sum()

np.outer(),np.sum() 1、np.outer() 每次拿第一个输入量的一个元素与第二个输入量相乘作为一行，直到第一个输入量的元素遍历完。 import numpy as np a=np.array([[1,2], [3,4]]) b = np.array([1,3]) print(np.outer(a, b)) # [[ 1 3] # [ 2...

庾信平生最萧瑟 578

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

numpy中的keepdims参数

在keepdims设置为True时，np.sum()返回一个具有与输入A相同数目的轴的数组，而这些轴中有一个的长度始终为1。例如，假设我们有一个四维数组B，形状为(4,3,2,1)，我们想要计算B中的元素平均值。例如，假设我们有一个三维数组C，它的形状为(2,3,4)，我们想要计算C中的最大值。在这里，我们可以看到输出数组使用相同的形状(2,3,4)，并将轴(0,1)的最大值保留。因此，输出的结果是一个形状为(1,1,4)的数组，它具有与输入数组C第三维相同的形状。这个脚本的输出结果是(1,1,1,1)。

laosao_66的博客 2180

numpy笔记—np.sum中keepdims作用

numpy笔记—np.sum中keepdims作用 A = np.random.randn(4,3) B = np.sum(A, axis = 1, keepdims = True) 我们使用（keepdims = True）来确保 A.shape 是（4,1）而不是（4，），它使我们的代码更加严格。容易减少深度学习中代码bug ...

豆子 1492

np.sum

是 NumPy 提供的一个函数，用于计算数组中元素的总和。它支持多种灵活的用法，包括对整个数组求和、按特定轴求和、指定加权求和等。是数据分析和数值计算中常用的函数之一。是 NumPy 提供的一个灵活且高效的数组求和函数，支持从简单的全数组求和到复杂的按条件加权求和等多种功能。在数据科学和数值计算中，是一个高效的矢量化操作，底层实现利用了 C 和 Fortran 进行优化，计算效率非常高。是一个必不可少的工具，使用时需灵活掌握其参数来适配不同需求。函数相比，它可以直接在多维数组上操作，并支持并行化计算。

weixin_44012667的博客 1439

numpy-numpy.sum()中‘keepdims‘参数的作用

在numpy的许多函数中，会出现'keepdims'参数，以numpy.sum()为例：官方文档中给出的解释： numpy.sum(a, axis=None, dtype=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>) ''' keepdimsbool, optional If this is set to True, the axes which are re

zlibo丶的博客 2518

numpy np.sum函数介绍

np.sum没有指定axis时，会对所有元素进行求和，结果是一个标量。指定axis时，会沿着该轴进行求和，结果维度会减少一维（除非多个指定axis（元组）时，会沿着多个轴进行求和，结果除了axis轴的维度消除，其它维度不变。可以保留原始维度信息，求和后的维度变为大小为 1。

qq_27390023的博客 1479

多维矩阵np.sum()函数axis不同值的理解

np.sum() 官网源码 def sum(a, axis=None, dtype=None, out=None, keepdims=np._NoValue): """ Sum of array elements over a given axis. Parameters ---------- a : array_like Elements ...

weixin_43379058的博客 1299

np.sum(e_x, axis=-1, keepdims=True)

np.sum(e_x, axis=-1, keepdims=True)是NumPy中用于求和的关键操作，在多头注意力机制的softmax函数中尤为重要。该函数对输入数组e_x（经过指数运算的数组）沿最后一个维度（axis=-1）求和，并通过keepdims=True保持原始维度结构。在softmax中，该操作用于计算每个样本或注意力头的指数和，为后续归一化提供分母项。例如，对于形状为(batch_size, seq_len)的2D数组，会对序列长度维度求和；对于(batch_size, num_heads,

luoganttcc的博客 572

numpy中keepdims用法

keepdims=True(默认False) 保持矩阵维数不变(被减少的那个维度会以维度1保留在结果中)。 import numpy as np >>> a = np.random.randint(10,size=(3,5)) >>> a array([[6, 4, 5, 4, 4], [9, 6, 9, 2, 3], ...

lcczzu的专栏 995

np.linalg.norm()函数

在jupyter notebook 中同时输入多行 from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = 'all' np.linalg.norm(x, ord=None, axis=None, keepdims=False) 矩阵或向量范数。此函数...