numpy列相加_numpy.sum()的使用-优快云博客

本文介绍了numpy库中的sum函数，讲解了如何利用该函数进行列相加操作。通过设置axis参数，可以实现对矩阵不同维度的求和。例如，axis=0时，对每一列元素相加；axis=1时，对每一行元素相加。同时提到了axis取负数的情况，如axis=-1等效于axis=1，axis=-2等效于axis=0。还讨论了dtype参数和keepdims参数对结果的影响，强调了keepdims=True能保持原数组的维度，防止潜在的编程错误。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

numpy的sum函数可接受的参数是:

sum(a, axis=None, dtype=None, out=None, keepdims=np._NoValue)

a：用于进行加法运算的数组形式的元素

2 .axis的取值有三种情况：1.None，2.整数， 3.整数元组。（在默认/缺省的情况下，axis取None）

a = np.linspace(1,20,20).reshape(4,5)
print(a)

输出:
[[ 1.  2.  3.  4.  5.]
 [ 6.  7.  8.  9. 10.]
 [11. 12. 13. 14. 15.]
 [16. 17. 18. 19. 20.]]

Example:

如果axis默认/缺失

np.sum(a)

即将数组/矩阵中的元素全部加起来，得到一个和：210

如果axis为整数，axis的取值不可大于数组/矩阵的维度，且axis的不同取值会产生不同的结果。

np.sum(a,axis = 0)

axis为0是压缩行,即将每一列的元素相加,将矩阵压缩为一行，输出：array([34., 38., 42., 46., 50.])

np.sum(a,axis = 1)

axis为1是压缩列,即将每一行的元素相加,将矩阵压缩为一列，输出：array([15., 40., 65., 90.])

当axis取负数的时候，对于二维矩阵，只能取-1和-2（不可超过矩阵的维度）。

当axis=-1时，相当于axis=1的效果，当axis=-2时，相当于axis=0的效果。

如果axis为整数元组（x，y），则是求出axis=x和axis=y情况下得到的和。

np.sum(a,axis = (0,1))

输出：210

3. dtype先将a转化后再相加

np.sum([0.5, 0.7, 1.2, 1.5], dtype=np.int32)

输出为2

np.sum([0.5, 0.7, 1.2, 1.5], dtype=np.float32)

输出为3.9

4. keepdims =True 将保持a的维度

a = np.sum(a,axis = 0)
print(a.shape)
b = np.sum(a,axis = 0,keepdims = True)
print(b.shape)

输出结果分布时：(5,)和(1, 5)。而a的为2维数组，没有使用keepdims 时有维度丢失的可能，在代码中可能出现bug.