如何计算二维 numpy 数组的所有列的总和(有效)

问题描述

假设我有以下由四行三列组成的二维 numpy 数组:

>>>a = numpy.arange(12).reshape(4,3)>>>打印(一)[[ 0 1 2][ 3 4 5][ 6 7 8][ 9 10 11]]

生成包含所有列的总和的一维数组(如 [18, 22, 26])的有效方法是什么?这可以在不需要遍历所有列的情况下完成吗?

解决方案

查看 numpy.sum，特别注意axis 参数.对列求和:

>>>将 numpy 导入为 np>>>a = np.arange(12).reshape(4,3)>>>a.sum(axis=0)数组([18, 22, 26])

或者，对行求和:

>>>a.sum(axis=1)数组([ 3, 12, 21, 30])

其他聚合函数，如numpy.mean, numpy.cumsum 和 numpy.std，例如，还要带axis参数.

来自 暂定 Numpy 教程:

许多一元运算，例如计算所有元素的总和在数组中，被实现为 ndarray 类的方法.经过默认情况下，这些操作适用于数组，就好像它是一个列表数字，无论其形状如何.但是，通过指定 axis参数，您可以沿指定的轴应用操作数组:

Let's say I have the following 2D numpy array consisting of four rows and three columns:

>>> a = numpy.arange(12).reshape(4,3)
>>> print(a)
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

What would be an efficient way to generate a 1D array that contains the sum of all columns (like [18, 22, 26])? Can this be done without having the need to loop through all columns?

解决方案

Check out the documentation for numpy.sum, paying particular attention to the axis parameter. To sum over columns:

>>> import numpy as np
>>> a = np.arange(12).reshape(4,3)
>>> a.sum(axis=0)
array([18, 22, 26])

Or, to sum over rows:

>>> a.sum(axis=1)
array([ 3, 12, 21, 30])

Other aggregate functions, like numpy.mean, numpy.cumsum and numpy.std, e.g., also take the axis parameter.

From the Tentative Numpy Tutorial:

这篇关于如何计算二维 numpy 数组的所有列的总和(有效)的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！