numpy中sum()中axis参数的问题

这篇博客探讨了numpy的sum()函数中axis参数的使用。通过一个三维例子,解释了当axis设为0时,计算的是最高维度的和,对应二维时的列和;而axis设为1时,则计算次维度的和,对应二维时的行和。这有助于更好地理解和应用sum()函数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

sum()中axis参数的问题:

在选定特定的轴后,sum得到的值维度降低一维

axis的值是shape返回元组的索引,
比如axis=0 是 最高维度 最外层括号
axis = 1:是第二层括号
axis = n是最内层括号 <==> axis =-1

     # sum() axis=n 表示以第n维为主元
 #以二数组为例:
    A = np.array([[1,2,3,4],[5,6,7,8]])
    Out[45]: 
    array([[1, 2, 3, 4],
           [5, 6, 7, 8]])
    A.sum(axis=1) # 返回一维
 #主要变的是列:
 #看索引值
 '''
     行为0时,列为0,1,2 相加的和为 位置 0的值
     行为1时,列为0,1,2 相加的和为 位置 1的值
     行为2时,列为0,1,2 相加的和为 位置 2的值
     也就是: add A[i,j]     for j in range(0,A.shape[1])
     '''

    #array([10, 26])


    # 计算结果与A.sum(axis=1) 相同
    ls = []
    for i in range(0,A.shape[0]):
       ls.append( sum(A[i]) )
'''
同样当axis=0时,主要变化的是行
    列为0时,行为0,1,2 相加的和为 位置 0的值
    ... ...
  '''

看三维的列子

x= np.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],
    [24, 25, 26]]])

 x.shape #(3, 3, 3)

axis = 0 #得到的值为二维
 for j in range(0, x.shape[1]):
      for k in range(0, x.shape[2]):
        print( "element = ", (j,k), " ", [ x[i,j,k] for i in range(0, x.shape[0]) ])
...
#最高维为主要变化的量,

#第二维和第三维为 0, 0时,第一维为0,1,2 相加的和为 位置 0,0的值
#第二维和第三维为 0, 0时,第一维为0,1,2 相加的和为 位置 0, 1的值
#第二维和第三维为 0, 0时,第一维为0,1,2 相加的和为 位置 0, 2的值
'''

element =  (0, 0)   [0, 9, 18]             #sum is 27
element =  (0, 1)   [1, 10, 19]            #sum is 30
element =  (0, 2)   [2, 11, 20]
element =  (1, 0)   [3, 12, 21]
element =  (1, 1)   [4, 13, 22]
element =  (1, 2)   [5, 14, 23]
element =  (2, 0)   [6, 15, 24]
element =  (2, 1)   [7, 16, 25]
element =  (2, 2)   [8, 17, 26]
'''
x.sum(axis=0)            
array([[27, 30, 33],
       [36, 39, 42],
       [45, 48, 51]])

#axis = 1    
for i in range(0, x.shape[0]):
    for k in range(0, x.shape[2]):
        print( "element = ", (i,k), " ", [ x[i,j,k] for j in range(0, x.shape[1]) ])
#第一维和第三维为 0, 0时,第二维为0,1,2 相加的和为 位置 0,0的值
#第一维和第三维为 0, 0时,第二维为0,1,2 相加的和为 位置 0, 1的值
#第一维和第三维为 0, 0时,第二维为0,1,2 相加的和为 位置 0, 2的值
'''
element =  (0, 0)   [0, 3, 6]      #sum is 9 
element =  (0, 1)   [1, 4, 7]
element =  (0, 2)   [2, 5, 8]
element =  (1, 0)   [9, 12, 15]
element =  (1, 1)   [10, 13, 16]
element =  (1, 2)   [11, 14, 17]
element =  (2, 0)   [18, 21, 24]
element =  (2, 1)   [19, 22, 25]
element =  (2, 2)   [20, 23, 26]
'''
#对于sum函数而言,axis是第一个参数,我们可以省略关键词

x.sum(0), x.sum(1), x.sum(2)
(array([[27, 30, 33],
        [36, 39, 42],
        [45, 48, 51]]),
 array([[ 9, 12, 15],
        [36, 39, 42],
        [63, 66, 69]]),
 array([[ 3, 12, 21],
        [30, 39, 48],
        [57, 66, 75]]))`
所以在求二维行和时,列为主要变化量 sum([i,:]),故用sum(axis=1)
同理在求二维列和时,行为主要变化量 sum([:,i]), 故用sum(axis=0)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值