1 python数据分析numpy基础之cumsum求数组累计和
python的numpy库的cumsum()函数,用于获取数组沿指定轴每个位置的累计和。
本文的累计和是指第1个数到第n个数的和。比如数组a=[a1,a2,a3,a4,a5],那么第1个数的累计和为a1,第2个数的累计和为a1+a2,第3个数的累计和为a1+a2+a3,依次类推。np.cumsum()函数返回的是每个位置的当前元素的累计和。
比如,np.cumsum(a)=array([a1,a1+a2,a1+a2+a3,a1+a2+a3+a4,a1+a2+a3+a4+a5])。
用法
numpy.cumsum(a, axis=None, dtype=None, out=None)
描述
cumsum()返回数组沿指定轴的累计和。
入参axis表示指定轴,默认为None表示整个数组转为一维数组后的每个位置的累计和。axis只能为整数,不支持整数元组。
1.1 入参a
numpy.cumsum()的入参a,为必选入参,可以为数组、列表、元组。
>>> import numpy as np
# np.cumsum()函数返回的是每个位置的当前元素的累计和
# 比如数组a=[a1,a2,a3]
# np.cumsum(a)=array([a1,a1+a2,a1+a2+a3])
# 入参a为列表
>>> np.cumsum([-2,3,0,5,9,1])
array([-2, 1, 1, 6, 15, 16])
# 入参a为元组
>>> np.cumsum((-2,3,0,5,9,1))
array([-2, 1, 1, 6, 15, 16])
# 入参a为数组
>>> np.cumsum(np.array((-2,3,0,5,9,1)))
array([-2, 1, 1, 6, 15, 16])
1.2 入参axis为整数
numpy.cumsum()的入参axis为可选入参,只能为整数(不支持元组),范围[0, ndim),默认为None,表示求整个数组的累计和,若为多维数组则转换为一维数组求每个位置的累计和。
若axis=n为整数,则对沿指定轴n的每个元素的累计和。
若axis=负数,则-1对应最后一个轴,-2倒数第2个轴,依此类推。
>>> import numpy as np
# np.cumsum()函数返回的是每个位置的当前元素的累计和
>>> import numpy as np
>>> ar3=np.array([[[12, 13, 8, 15 ],
[ 19, 25, 16, 5],
[ 18, 29, 10, 31]],
[[9, 11, 21, 3],
[16, 17, 31, 19],
[20, 3, 22, 23]]])
# axis默认为None,cumsum()求转为一维数组后的每个位置的累计和
>>> np.cumsum(ar3)
array([ 12, 25, 33, 48, 67, 92, 108, 113, 131, 160, 170, 201, 210,
221, 242, 245, 261, 278, 309, 328, 348, 351, 373, 396])
# axis=0,cumsum()沿0轴方向的每个位置的累计和
>>> np.cumsum(ar3,axis=0)
array([[[12, 13, 8, 15],
[19, 25, 16, 5],
[18, 29, 10, 31]],
[[21, 24, 29, 18],
[35, 42, 47, 24],
[38, 32, 32, 54]]])
# axis=1,cumsum()沿1轴方向的每个位置的累计和
>>> np.cumsum(ar3,axis=1)
array([[[12, 13, 8, 15],
[31, 38, 24, 20],
[49, 67, 34, 51]],
[[ 9, 11, 21, 3],
[25, 28, 52, 22],
[45, 31, 74, 45]]])
# axis=2,cumsum()沿2轴方向的每个位置的累计和
>>> np.cumsum(ar3,axis=2)
array([[[12, 25, 33, 48],
[19, 44, 60, 65],
[18, 47, 57, 88]],
[[ 9, 20, 41, 44],
[16, 33, 64, 83],
[20, 23, 45, 68]]])
# axis=负数,则-1对应最后一个轴,-2倒数第2个轴,依此类推
>>> np.cumsum(ar3,axis=-1)
array([[[12, 25, 33, 48],
[19, 44, 60, 65],
[18, 47, 57, 88]],
[[ 9, 20, 41, 44],
[16, 33, 64, 83],
[20, 23, 45, 68]]])