4、python numpy中的cumsum的用法

1、函数作用

该函数定义在multiarray.py中有定义

def cumsum(self, axis=None, dtype=None, out=None): # real signature unknown; restored from __doc__
        """
        a.cumsum(axis=None, dtype=None, out=None)
        
            Return the cumulative sum of the elements along the given axis.
        
            Refer to `numpy.cumsum` for full documentation.
        
            See Also
            --------
            numpy.cumsum : equivalent function
        """
        pass

 作用是：返回指定轴上元素的累积和。

2、代码范例

import numpy as np
a = np.asarray([[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]
                ])
b = a.cumsum(axis=0)
print(b)
c = a.cumsum(axis=1)
print(c)

定义一个numpy矩阵a，3X3：

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

 

运行b结果：

[[ 1 2 3]
[ 5 7 9]
[12 15 18]]

 

运行b结果：

[[ 1 3 6]
[ 4 9 15]
[ 7 15 24]]

 

3、结果解释

(1)参数axis=0指的是按行累加，即本行=本行+上一行，b的由来：

第二行：[5 7 9]

其中[1 2 3]是第一行累加之后的结果（因为第一行没有前一行，所以可以理解为 + 0）

5 = 1 + 4
7 = 2 + 5
9 = 3 + 6

第三行：[12 15 18]

其中5 7 9是第二行累加之后的结果

12 = 5 + 7 = 1 + 4 + 7
15 = 7 + 8 = 2 + 5 + 8
18 = 9 + 9 = 3 + 6 + 9

所以最终是：

1   2   3
5   7   9
12 15 18

(2)参数axis=1指的是按列相加，即本列=本列+上一列

4、axis不给定具体值，就把numpy数组当成一个一维数组。

>>> a = np.array([[1,2,3], [4,5,6]])

>>> a

    array([[1, 2, 3],

          [4, 5, 6]])
>>> np.cumsum(a)

    array([ 1,  3,  6, 10, 15, 21])
#还可以指定输出类型

>>> np.cumsum(a, dtype=float) # 指定输出类型。