Numpy 进行数组求和操作|极客教程

Numpy 进行数组求和操作

Numpy 是一个强大的 Python 库，主要用于进行大规模数值计算。它提供了一个高性能的多维数组对象，以及用于处理这些数组的工具。本文将详细介绍如何使用 Numpy 进行数组求和操作，包括一维数组、二维数组以及更高维度的数组的求和。

一维数组求和

在 Numpy 中，可以使用 numpy.sum() 函数来计算数组中元素的总和。这是最基本的求和操作。

示例代码 1：一维数组求和

import numpy as np

# 创建一个一维数组
array_1d = np.array([1, 2, 3, 4, 5])

# 计算数组的总和
sum_1d = np.sum(array_1d)

print("Sum of array:", sum_1d)

Output:

Numpy 进行数组求和操作

二维数组求和

对于二维数组，Numpy 允许你不仅可以计算整个数组的元素总和，还可以计算数组中每一行或每一列的总和。

示例代码 2：二维数组整体求和

import numpy as np

# 创建一个二维数组
array_2d = np.array([[1, 2], [3, 4]])

# 计算数组的总和
sum_2d = np.sum(array_2d)

print("Sum of entire array:", sum_2d)

Output:

Numpy 进行数组求和操作

示例代码 3：二维数组按列求和

import numpy as np

# 创建一个二维数组
array_2d = np.array([[1, 2], [3, 4]])

# 计算每一列的总和
column_sum = np.sum(array_2d, axis=0)

print("Sum of each column:", column_sum)

Output:

Numpy 进行数组求和操作

示例代码 4：二维数组按行求和

import numpy as np

# 创建一个二维数组
array_2d = np.array([[1, 2], [3, 4]])

# 计算每一行的总和
row_sum = np.sum(array_2d, axis=1)

print("Sum of each row:", row_sum)

Output:

Numpy 进行数组求和操作

高维数组求和

对于高维数组，Numpy 同样提供了强大的功能来计算总和。可以指定任何轴（axis）来计算其总和。

示例代码 5：三维数组整体求和

import numpy as np

# 创建一个三维数组
array_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

# 计算数组的总和
sum_3d = np.sum(array_3d)

print("Sum of entire array:", sum_3d)

Output:

Numpy 进行数组求和操作

示例代码 6：三维数组按第一个轴求和

import numpy as np

# 创建一个三维数组
array_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

# 计算第一个轴的总和
axis0_sum = np.sum(array_3d, axis=0)

print("Sum along the first axis:", axis0_sum)

Output:

Numpy 进行数组求和操作

示例代码 7：三维数组按第二个轴求和

import numpy as np

# 创建一个三维数组
array_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

# 计算第二个轴的总和
axis1_sum = np.sum(array_3d, axis=1)

print("Sum along the second axis:", axis1_sum)

Output:

Numpy 进行数组求和操作

示例代码 8：三维数组按第三个轴求和

import numpy as np

# 创建一个三维数组
array_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

# 计算第三个轴的总和
axis2_sum = np.sum(array_3d, axis=2)

print("Sum along the third axis:", axis2_sum)

Output:

Numpy 进行数组求和操作

使用 `keepdims` 参数

在进行求和操作时，Numpy 允许保持原数组的维度，这通过设置 keepdims=True 参数来实现。这对于保持数组的形状非常有用，尤其是在进行广播操作时。

示例代码 9：保持维度的二维数组按列求和

import numpy as np

# 创建一个二维数组
array_2d = np.array([[1, 2], [3, 4]])

# 计算每一列的总和，同时保持数组维度
column_sum_keepdims = np.sum(array_2d, axis=0, keepdims=True)

print("Sum of each column with original dimensions:", column_sum_keepdims)

Output:

Numpy 进行数组求和操作

示例代码 10：保持维度的二维数组按行求和

import numpy as np

# 创建一个二维数组
array_2d = np.array([[1, 2], [3, 4]])

# 计算每一行的总和，同时保持数组维度
row_sum_keepdims = np.sum(array_2d, axis=1, keepdims=True)

print("Sum of each row with original dimensions:", row_sum_keepdims)

Output:

Numpy 进行数组求和操作

总结

Numpy 提供了非常灵活而强大的数组求和功能。通过指定不同的轴，可以轻松地计算出数组的总和、行总和或列总和。此外，keepdims 参数的使用可以帮助保持数组的原始维度，这在很多数值计算场景中非常有用。通过上述示例，我们可以看到 Numpy 在数据处理方面的强大能力，特别是在处理大规模数据时的高效性。