np.sum()

np.sum(a, axis=None, dtype=None, out=None, keepdims=np._NoValue)

参数：

• a：用于进行加法运算的数组形式的元素。

• axis：$axis$ 的取值有三种情况：1.$None$，2.整数， 3.整数元组。（在默认/缺省的情况下，$axis$ 取 $None$）

• dtype：改变元素的类型后相加。

• keepdims：是否保持维数，默认是 $False$。

实例：

import numpy as np

a = np.linspace(1,20,20).reshape(4,5)
print(a)

[[ 1.  2.  3.  4.  5.]
 [ 6.  7.  8.  9. 10.]
 [11. 12. 13. 14. 15.]
 [16. 17. 18. 19. 20.]]

axis：

b = np.sum(a)
c = np.sum(a,axis = 0)		# 压缩行
d = np.sum(a,axis = 1)		# 压缩列
print(b)
print(c)
print(d)

210.0
[34. 38. 42. 46. 50.]
[15. 40. 65. 90.]

import numpy as np
x = np.array([
              [
                  [1, 5, 5, 2],
                  [9, -6, 2, 8],
                  [-3, 7, -9, 1]
              ],

              [
                  [-1, 5, -5, 2],
                  [9, 6, 2, 8],
                  [3, 7, 9, 1]
              ]
            ])
print(np.sum(x, axis=0))

[[ 0 10  0  4]
 [18  0  4 16]
 [ 0 14  0  2]]

np.sum(x, axis=0)的含义是 $x[0][j][k], x[1][j][k] (j=0,1,2,k=0,1,2,3)$ 中对应项相加的结果。

$[[1, 5, 5, 2],[9, -6, 2, 8],[-3, 7, -9, 1]]+[[-1, 5, -5, 2],[9, 6, 2, 8],[3, 7, 9, 1]]=[[0,10,0,4],[18,0,4,16],[0,14,0,2]]$。

$axis=1,axis=2$ 的道理是类似的。

dtype：

e = np.sum([0.5, 0.7, 1.2, 1.5], dtype=np.int32)
f = np.sum([0.5, 0.7, 1.2, 1.5], dtype=np.float32)
print(e)
print(f)

2
3.9

keepdims：

m = np.sum(a, axis=0)
print(m.shape)
n = np.sum(a, axis=0, keepdims=True)		# keepdims =True 保持a的维度
print(n.shape)

(5,)
(1, 5)