python数据分析numpy基础之sum用法和示例

1 python数据分析numpy基础之sum用法和示例

python的numpy库的sum()函数，用于对数组指定轴的元素求和。

用法

numpy.sum(a, axis=None, dtype=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)

描述

入参a可以为数组或类数组(元组，列表)。如果axis没有传则对全部元素求和。

入参

a：必选，array_like，需要求和的数组，或者列表、元组。

axis：可选，整数，或整数元组。表示要求和轴，默认为None，表示对全部元素求和。

dtype：可选，表示求和后数组的类型，或标量的类型。

1.1 入参a

numpy.sum()的入参a为必选入参，表示要求和的元素，可以为数组、列表、元组。

>>> import numpy as np
# np.sum的第1个入参a表示要求和的数组、列表、元组
# a可以为列表
>>> np.sum([0.5, 1.5])
2.0
# a可以为元组
>>> np.sum((0.5, 1.5))
2.0
# a可以为数组
>>> np.sum(np.array([0.5,1.5]))
2.0

1.2 入参axis为整数

numpy.sum()的入参axis为可选入参，表示根据指定维度对同维度同方向的元素求和，可以为整数或整数元组。

入参axis默认为None，表示对sum的入参a的全部元素求和。

入参axis为整数时，对同维度同方向的元素求和，多个方向同维度的元素后组成数组。

比如，三维数组大小为(2,3,4)，则0轴同维度同方向的元素有2个，为2个大小为(3,4)的二维数组，所以相加后为大小为(3,4)的二维数组。

1轴同维度同方向的元素有3个，为3个大小为4的一维数组，所以同方向的元素相加后为一维数组，大小为4；另一个方向的同维度同方向的元素相加后为一维数组，大小为4；1轴同维度不同方向的元素有2个，最终1轴同维度同方向的元素相加后组成有2个一维数组的二维数组，大小为(2,4)。

2轴为一为数组，同维度同方向的元素为标量，共有4个，同维度同方向的标量相加后为标量，2轴在1轴上有3个不同方向的一维数组，3个不同方向的标量和组成一维数组，1轴在0轴上有2个不同方向的元素，这2个不同方向的2轴元素和为2个一维数组，组成2个元素为一维数组的二维数组，最终2轴同维度同方向的元素相加后组成(2,3)的二维数组。

>>> import numpy as np
# 创建一个三维数组，0,1,2轴的大小分别为2,3,4
# 0轴为三维数组，由1轴的二维数组组成
# 1轴为二维数组，由2轴的一维数组组成
# 2轴为一维数组，由标量组成
>>> ar3=np.arange(24).reshape(2,3,4)
>>> ar3
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]]])
# axis=None，默认值，表示对全部元素求和
>>> np.sum(ar3)
276
>>> np.sum(ar3,axis=0)
array([[12, 14, 16, 18],
      [20, 22, 24, 26],
      [28, 30, 32, 34]])
# ar3的0轴同方向有2个二维数组，ar3[0]和ar3[1]
# np.sum(ar3,axis=0)=ar3[0]+ar3[1]
>>> ar30=ar3[0]+ar3[1]
>>> ar30
array([[12, 14, 16, 18],
      [20, 22, 24, 26],
      [28, 30, 32, 34]])      
>>> np.sum(ar3,axis=1)
array([[12, 15, 18, 21],
      [48, 51, 54, 57]])
# ar3的1轴有两个方向，ar3[0]和ar3[1]
# ar3[0]或ar3[1]同方向有3个一维数组
# ar3[0]：ar3[0,0],ar3[0,1],ar3[0,2]
# ar3[1]：ar3[0,0],ar3[0,1],ar3[0,2]
# np.sum(ar3,axis=1)=np.array([ar300,ar301])
>>> ar310=ar3[0,0]+ar3[0,1]+ar3[0,2]
>>> ar311=ar3[1,0]+ar3[1,1]+ar3[1,2]
# ar3的1轴2个方向的和，组成数组
>>> np.array([ar310,ar311])
array([[12, 15, 18, 21],
      [48, 51, 54, 57]])
>>> np.sum(ar3,axis=2)
array([[ 6, 22, 38],
      [54, 70, 86]])
# ar3的2轴为一维数组有4个标量，
# ar3的1轴有3个不同方向的2轴元素，
# ar3的0轴有2个不同方向的1轴元素，
# ar3总共有2*3=6个不同方向的2轴一维数组
# 1轴的3个方向(3个一维数组)各自的和组成一维数组
# 0轴有2个方向各自的和组成一维数组
# np.sum(ar3,axis=2)=np.array([ar3210,ar3211])
>>> ar3210=[np.sum(ar3[0,0]),np.sum(ar3[0,1]),np.sum(ar3[0,2])]
>>> ar3211=[np.sum(ar3[1,0]),np.sum(ar3[1,1]),np.sum(ar3[1,2])]
>>> np.array([ar3210,ar3211])
array([[ 6, 22, 38],
      [54, 70, 86]])
# axis=负数，则-1对应最后一个轴，-2倒数第2个轴，依此类推   
>>> np.sum(ar3,axis=-1)
array([[ 6, 22, 38],
      [54, 70, 86]])

1.3 入参axis为整数元组

numpy.sum()的入参axis为整数元组时，表示依次对不同轴上的元素求和，并且axis=(m,n)等于axis=(n,m)。

比如axis=(0,1)，先对0轴求和，再对1轴求和。

>>> import numpy as np
>>> ar3=np.arange(24).reshape(2,3,4)
>>> ar3
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]]])
# axis=(0,1)，先对0轴同轴求和，再对1轴同轴求和
# 0轴求和后有3个一维数组，再将1轴的一维数组相加求和
>>> np.sum(ar3,axis=(0,1))
array([60, 66, 72, 78])
# ar3的0轴求和：2个同轴元素求和:ar3[0]+ar3[1]
>>> ar30=ar3[0]+ar3[1]
>>> ar30
array([[12, 14, 16, 18],
       [20, 22, 24, 26],
       [28, 30, 32, 34]])
# axis=(0,1)等于axis=(1,0)
>>> np.sum(ar3,axis=(1,0))
array([60, 66, 72, 78])
# 0轴求和后有3个一维数组，再对2轴的标量求和
>>> np.sum(ar3,axis=(0,2))
array([ 60,  92, 124])
# 1轴求和后有2个一维数组，再对2轴的标量求和
>>> np.sum(ar3,axis=(1,2))
array([ 66, 210])

1.4 入参dtype

numpy.sum()的入参dtype为可选入参，求和后的数组类型或求和后的标量类型。

>>> import numpy as np
# 创建一个三维数组，0,1,2轴的大小分别为2,3,4
>>> ar3=np.arange(24).reshape(2,3,4)
>>> ar3
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]]])
# dtype指定求和后的数组类型或标量类型
>>> np.sum(ar3,axis=0,dtype=np.float32)
array([[12., 14., 16., 18.],
       [20., 22., 24., 26.],
       [28., 30., 32., 34.]], dtype=float32)
>>> np.sum([1,2,3])
6
>>> np.sum([1,2,3],dtype=np.int32)
6
>>> np.sum([1,2,3],dtype=np.float32)
6.0