[转载]Python:cumsum函数

Python:cumsum函数

原文链接https://blog.csdn.net/banana1006034246/article/details/78841461

这个函数的功能是返回给定axis上的累计和

函数的原型如下:详见 doc

 numpy.cumsum(a, axis=None, dtype=None, out=None)
    Return the cumulative sum of the elements along a given axis.

 

官方的文档是没有详细解释,本人做了测试自己把理解的写下。

1.对于一维输入a(可以是list,可以是array,假设a=[1, 2, 3, 4, 5, 6, 7] ,就是当前列之前的和加到当前列上,如下:


 
 
  1. >>> import numpy as np
  2. >>> a=[ 1, 2, 3, 4, 5, 6, 7]
  3. >>> np.cumsum(a)
  4. array([ 1, 3, 6, 10, 15, 21, 28, 36, 45, 55, 75, 105])

2.对于二维输入a,axis=0(第1行不动,将第1行累加到其他行);axis=1(进入最内层,转化成列处理。第1列不动,将第1列累加到其他列),如下:


 
 
  1. >>> import numpy as np
  2. >>> c=[[ 1, 2, 3],[ 4, 5, 6],[ 7, 8, 9]]
  3. >>> np.cumsum(c,axis= 0)
  4. array([[ 1, 2, 3],
  5. [ 5, 7, 9],
  6. [ 12, 15, 18]])
  7. >>> np.cumsum(c,axis= 1)
  8. array([[ 1, 3, 6],
  9. [ 4, 9, 15],
  10. [ 7, 15, 24]])

3.对于三维输入a, axis=0 (第1行不动,将第1行累加到其他行); axis=1(进入第2层,每个第二层第1行不动,累加到其他行); axis=2(进入最内层,转化成列处理。第1列不动,将其累加到其他列),注意维数从外到内是0-2编号,如下:


 
 
  1. >>> import numpy as np
  2. >>> a
  3. [[[ 1, 2, 3], [ 4, 5, 6]], [[ 7, 8, 9], [ 10, 20, 30]]]
  4. >>> np.cumsum(a,axis= 0)
  5. array([[[ 1, 2, 3],
  6. [ 4, 5, 6]],
  7. [[ 8, 10, 12],
  8. [ 14, 25, 36]]])
  9. >>> np.cumsum(a,axis= 1)
  10. array([[[ 1, 2, 3],
  11. [ 5, 7, 9]],
  12. [[ 7, 8, 9],
  13. [ 17, 28, 39]]])
  14. >>> np.cumsum(a,axis= 2)
  15. array([[[ 1, 3, 6],
  16. [ 4, 9, 15]],
  17. [[ 7, 15, 24],
  18. [ 10, 30, 60]]])

a是一个 2 x 2 x 3 的 list,解释起来有点麻烦,先把 a 变种风格
[ //axis=0
             [//axis=1。同时是axis=0所对应的第 1 行,注意是此中括号包含的整个内容
                   [1, 2, 3], //axis=2。同时是 axis=1所对的第1行
                   [4, 5, 6] //axis=2
             ],
             [//axis=1。同时是axis=0所对应的第 2行
                    [7, 8, 9], //axis=2。同时是 axis=1所对的第1行
                    [10, 20, 30] //axis=2
             ],
     ]

axis=0说明,第1维度,包含2行,绿色中括号的list,第1行(也就是由1,2,3,4,5,6组成的list)不动,累加到第二行,注意是累加
axis=1说明,第2维度,  每个绿色中括号里第1行不变,也就是 [1,2,3]和[7,8,9]不动,累加到同兄弟行(同属一个中括号的行)
axis=2说明,第3维度,也是最内层,转化成列处理,紫色数字所在列不动,累加到其他列上

对于更高维度,可以参考3维来从外向内剥离的方式理解

参考文献

cumsum官方doc

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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