numpy.sum()的使用

numpy的sum函数可接受的参数是:
sum(a, axis=None, dtype=None, out=None, keepdims=np._NoValue)

在参数列表中：

• a是要进行加法运算的向量/数组/矩阵
• axis的值可以为None,也可以为整数和元组

其形参的注释如下:

• a : array_like elements to sum.（用于进行加法运算的数组形式的元素）
• axis : None or int or tuple of ints, optional. （无或整数或整数元组，可选）
  Axis or axes along which a sum is performed.（ 执行求和的一个或多个轴)
  The default, axis=None, will sum all of the elements of the input array. （默认值axis = None将对输入数组的所有元素求和)
  If axis is negative it counts from the last to the first axis. (如果轴为负，则从最后一个到第一个轴计数)
  If axis is a tuple of ints, a sum is performed on all of the axes. (如果axis是一个整数元组，则对所有轴进行求和)
  specified in the tuple instead of a single axis or all the axes as before. (在元组中指定，而不是像以前一样指定单个轴或所有轴)

根据上文，可知：
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，如果axis取None，即将数组/矩阵中的元素全部加起来，得到一个和:

>>> 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。
先以2×2的二维矩阵为例：

>>> 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

• 当axis为0时,是压缩行,即将每一列的元素相加,将矩阵压缩为一行
• 当axis为1时,是压缩列,即将每一行的元素相加,将矩阵压缩为一列(这里的一列是为了方便理解说的，实际上，在控制台的输出中，仍然是以一行的形式输出的)

具体理解如图：

• 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。
继续以上面的2×2矩阵为例

>>>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：如果要输入两个数组/矩阵/向量进行相加,那么就要先把两个数组/矩阵/向量用一个括号括起来,形成一个元组,这样才能够进行相加。因为numpy.sum的运算实现本质是通过矩阵内部的运算实现的。

当然,如果只是向量/数组之间做加法运算,可以直接让两个向量/数组相加,但前提是它们必须为numpy的array数组才可以,否则只是单纯的列表相加

>>>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]

————————————————

原文链接：https://blog.csdn.net/leekingsen/article/details/76242244