python3中sum的用法

python内置的sum函数

对象是列表，元组，集合，可以混合起来使用

	
	>>>sum([1,2,3],2)
	8
	>>>sum((1,2,3))
	6
	>>>sum({1,2,3})
	6
	>>>sum(range(5))
	10



 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

---

numpy中sum函数

	import numpy as np
	>>>np.sum([[1,2,3], [4,5,6]])
	21
	>>>np.sum([[1,2,3],[4,5,6]], axis=0)
	[5, 7, 9]
	>>>np.sum([[1,2,3],[4,5,6]], axis=1)
	[6, 15]

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

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）
如果axis取None，即将数组/矩阵中的元素全部加起来，得到一个和。
(如果注明了类型，会先将数组中的数字进行类型转换，再求和）

>>> np.sum([0.5, 1.5])
2.0
>>> np.sum([0.5, 0.7, 0.2, 1.5], dtype=np.int32)
1
>>> np.sum([0.5, 0.7, 0.2, 1.5])
2.9
>>> np.sum([[0, 1], [0, 5]])
6

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

如果axis为整数，axis的取值不可大于数组/矩阵的维度，且axis的不同取值会产生不同的结果。
先以2×2的二维矩阵为例：

>>> np.sum([[0, 1], [0, 5]], axis=0)
array([0, 6])
>>> np.sum([[0, 1], [0, 5]], axis=1)
array([1, 5])
1

• 1
• 2
• 3
• 4
• 5

在上述例子中
当axis为0时,是压缩行,即将每一列的元素相加,将矩阵压缩为一行
当axis为1时,是压缩列,即将每一行的元素相加,将矩阵压缩为一列
具体理解如图：

当axis取负数的时候，对于二维矩阵，只能取-1和-2（不可超过矩阵的维度）。
当axis=-1时，相当于axis=1的效果，当axis=-2时，相当于axis=0的效果。

如果axis为整数元组（x，y），则是求出axis=x和axis=y情况下得到的和。
继续以上面的2×2矩阵为例

>>>np.sum([[1，2，3],[3，4，5]],axis=(0,1))
>>>6
>>>np.sum([[1，2，3],[3，4，5]],axis=(1,0))
>>>6
>>>np.sum([[[1,2],[3,4]],[[2,3],[4,5]]],axis = (0,1))
>>>[10,14]
>>>np.sum([[[1,2],[3,4]],[[2,3],[4,5]]],axis = (0,1,2))
>>>24

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

另外，需要注意的是:如果要输入两个数组/矩阵/向量进行相加,那么就要先把两个数组/矩阵/向量用一个括号括起来,形成一个元组,这样才能够进行相加。因为numpy.sum的运算实现本质是通过矩阵内部的运算实现的。

当然,如果只是向量/数组之间做加法运算,可以直接让两个向量/数组相加,但前提是它们必须为numpy的array数组才可以,否则只是单纯的列表相加

>>>v1 = [1, 2]
>>>v2 = [3, 4]
>>>v1 + v2
[1, 2, 3, 4]

>>>v1 = numpy.array[1, 2]
>>>v2 = numpy.array[3, 4]
>>>v1 + v2
[4, 6]

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9