python库numpy提供的求和方法np.sum()，可以对数组和矩阵进行求和。sum方法可以接收多个参数，主要是数组a,坐标轴axis,数据类型dtype,初始值initial。其中，axis对于我们来说比较容易迷糊，这个值对求和有什么影响？一般来说，不设置axis这个参数，那么就是把数组或者矩阵所有元素求和，不管数组是一维，还是多维，最终会把每一个元素相加求和。
如下数组，是一个2维数组，每一维又是一个3*4的二维数组。
[[
[1,2,3,1],
[2,3,4,1],
[3,4,1,2]
],[
[1,0,2,0],
[0,1,0,2],
[3,2,1,0]
]]
这里可以看作是一个x,y,z三个维度的数组。axis=0,1,2，可以分别表示按照x,y,z轴来定位并计算他们的和。
axis=0 x = 0,1
表达式 a[0][y][z]+a[1][y][z]
求和结果 [3*4]
a[0][y0][z0]+a[1][y0][z0] a[0][y0][z1]+a[1][y0][z1] a[0][y0][z2]+a[1][y0][z2] a[0][y0][z3]+a[1][y0][z3]
= 1 + 1 = 2 = 2 + 0 = 2 = 3 + 2 = 5 = 1 + 0 = 1
a[0][y1][z0]+a[1][y1][z0] a[0][y1][z1]+a[1][y1][z1] a[0][y1][z2]+a[1][y1][z2] a[0][y1][z3]+a[1][y1][z3]
= 2 + 0 = 2 = 3 + 1 = 4 = 4 + 0 = 4 = 1 + 2 = 3
a[0][y2][z0]+a[1][y2][z0] a[0][y2][z1]+a[1][y2][z1] a[0][y2][z2]+a[1][y2][z2] a[0][y2][z3]+a[1][y2][z3]
= 3 + 3 = 6 = 4 + 2 = 6 = 1 + 1 = 2 = 2 + 0 = 2
[[2,2,5,1],
[2,4,4,3],
[6,6,2,2]]
axis=1 y = 0,1,2
表达式 a[x][0][z]+a[x][1][z]+a[x][2][z]
求和结果 [2*4]
a[x0][0][z0]+a[x0][1][z0]+a[x0][2][z0] a[x0][0][z1]+a[x0][1][z1]+a[x0][2][z1] a[x0][0][z2]+a[x0][1][z2]+a[x0][2][z2] a[x0][0][z3]+a[x0][1][z3]+a[x0][2][z3]
= 1 + 2 + 3 = 6 = 2 + 3 + 4 = 9 = 3 + 4 + 1 = 8 = 1 + 1 + 2 = 4
a[x1][0][z0]+a[x1][1][z0]+a[x1][2][z0] a[x1][0][z1]+a[x1][1][z1]+a[x1][2][z1] a[x1][0][z2]+a[x1][1][z2]+a[x1][2][z2] a[x1][0][z3]+a[x1][1][z3]+a[x1][2][z3]
= 1 + 0 + 3 = 4 = 0 + 1 + 2 = 3 = 2 + 0 + 1 = 3 = 0 + 2 + 0 = 2
[[6,9,8,4],
[4,3,3,2]]
axis=2 z = 0,1,2,3
表达式 a[x][y][0]+a[x][y][1]+a[x][y][2]+a[x][y][3]
求和结果 [2*3]
a[x0][y0][0]+a[x0][y0][1]+a[x0][y0][2]+a[x0][y0][3] a[x0][y1][0]+a[x0][y1][1]+a[x0][y1][2]+a[x0][y1][3] a[x0][y2][0]+a[x0][y2][1]+a[x0][y2][2]+a[x0][y2][3]
= 1 + 2 + 3 + 1 = 7 = 2 + 3 + 4 + 1 = 10 = 3 + 4 + 1 + 2 = 10
a[x1][y0][0]+a[x1][y0][1]+a[x1][y0][2]+a[x1][y0][3] a[x1][y1][0]+a[x1][y1][1]+a[x1][y1][2]+a[x1][y1][3] a[x1][y2][0]+a[x1][y2][1]+a[x1][y2][2]+a[x1][y2][3]
= 1 + 0 + 2 + 0 = 3 = 0 + 1 + 0 + 2 = 3 = 3 + 2 + 1 + 0 = 6
[[7,10,10],
[3,3,6]]
以上结果可以通过python代码来验证：
如下数组：[[0,1],[0,5]]是一个二维数组，直接求和结果就是6。
这里，因为是一个二维数组，所以axis可以取值0、1。
通过程序验证一下：
对于这个二维数组求和，可以也可以这么理解它，当axis=0时，求和就是数组投影到x轴的结果。当axis=1时，求和就是数组投影到y轴的结果。
以上的过程演示的其实是np.sum()官方给出的示例：
这里主要介绍了axis取值对求和结果的影响，axis其实可以看做是一个x,y,z轴的一个索引，索引可以从0开始，到size-1。也可以从-1开始，就是取负值，我们可以利用上面的第二个示例来作验证：
这个结果与上面求和计算axis=1是一样的。
官方文档里面有这样一句话：
If axis is negative it counts from the last to the first axis.
简单翻译一下就是如果axis是负值，那么就从最后一个坐标轴往第一个坐标轴开始算起。
===================
np.sum()求和还有一些参数，比如dtype，这个比较有意思，比如我们给出的数组元素都是浮点数，但是最后这里设置dtype=np.int32，最终计算求和，是按照整数来计算：
还有一个initial参数很容易理解，就是设置求和初始值，一般默认是0，这里可以设置一个初始值：
np.sum求和，难以理解的地方在于axis取值，以及取值之后求和该如何计算。axis确定之后，它的取值范围决定了求和计算的数字由多少个组成，最后生成的结果数组由余下的 维度 乘积 决定。
到此这篇关于python之np.sum()用法详解的文章就介绍到这了,更多相关内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文地址：https://blog.csdn.net/feinifi/article/details/128782878
