Numpy：使用负轴进行np.sum计算

在本文中，我们将介绍如何使用numpy的np.sum函数进行负轴的运算。在numpy中，np.sum被广泛使用以计算数组元素的总和，它也可以方便地应用于沿负轴求和，这在某些情况下非常有用。

阅读更多：Numpy 教程

负轴在numpy中的定义

在numpy中，负轴是一个表示沿数组维数逆向计算的整数。例如，具有形状（3,4,2）的三维数组的轴可以表示为：

axis = 0沿第一个维度计算，得到一个形状为（4,2）的数组。
axis = 1沿第二个维度计算，得到一个形状为（3,2）的数组。
axis = 2沿第三个维度计算，得到一个形状为（3,4）的数组。
axis = -1沿最后一个维度（即第三个维度）逆向计算，得到一个形状为（3,4）的数组。

对于上面的例子，沿负轴表示的是完全相同的维度，但是逆向计算。因此，它是沿着最后一个维度计算，与axis=2相同。

接下来，我们将使用 numpy 的 np.sum 函数演示如何在负轴上进行计算。

使用负轴进行np.sum计算

让我们首先创建一个包含随机数的三维数组：

import numpy as np
np.random.seed(0)
arr = np.random.randint(-10, 10, size=(3, 4, 2))
print(arr)

输出：

[[[  8   0   9  -1]
  [  5  -2   2   2]
  [ -2   3   2 -10]
  [  7  -1  -5  -9]]

 [[ -8  -4   0  -7]
  [ -3   5  -2   4]
  [  7   6  -4  -3]
  [  4   8  -4   7]]

 [[ -7   4  -3   9]
  [ -9  -1  -1  -2]
  [  4   5  -2   4]
  [ -8  -4   6   3]]]

接下来，我们将在最后一个维度上计算数组的和，也就是沿着负轴：

sum_arr = np.sum(arr, axis=-1)
print(sum_arr)

输出：

[[ 16   7  -9  -8]
 [-19   4   6   11]
 [  3  -13  11  -3]]

在这个例子中，第一个维度（大小3）沿着它自己相加，第二个维度（大小4）沿着它自己相加，最后一个维度（大小2）沿着逆向相加。在计算过程中，在最后一个维度上的每个向量进行加法运算，并产生一个大小为（3,4）的数组。在输入数组中，第一个向量是 [8, 0, 9, -1]，第二个向量是 [5, -2, 2, 2]，第三个向量是[-2, 3, 2, -10]。我们将这三个向量相加得到 [16, 7, -9, -8]，在同样的方式下计算出所有元素。

当需要在负轴计算时，只需将要求和的轴设置为-1即可。使用 np.sum 函数可以很容易地对多维数组的任意维度进行求和操作，并且还可以通过其他参数来定义计算的范围和类型。例如，可以通过 axis 参数来控制在哪个维度上求和，也可以通过 dtype 参数来指定输出的数据类型。

除了 np.sum 之外，numpy 还有多个函数可以进行类似的操作，例如 np.cumsum，np.prod 等等。在实际的数据分析和计算中，这些函数都可以大大简化计算和优化代码。