如何计算二维 numpy 数组的所有列的总和（有效）

Question

假设我有以下由四行三列组成的二维 numpy 数组：

>>> a = numpy.arange(12).reshape(4,3)
>>> print(a)
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

生成包含所有列之和的一维数组（如[18, 22, 26] ）的有效方法是什么？ 这可以在不需要遍历所有列的情况下完成吗？

Answer 1

查看numpy.sum的文档，特别注意axis参数。 对列求和：

>>> import numpy as np
>>> a = np.arange(12).reshape(4,3)
>>> a.sum(axis=0)
array([18, 22, 26])

或者，对行求和：

>>> a.sum(axis=1)
array([ 3, 12, 21, 30])

其他聚合函数，如numpy.mean 、 numpy.cumsum和numpy.std ，例如，也采用axis参数。

来自暂定的 Numpy 教程：

许多一元运算，例如计算数组中所有元素的总和，都是作为ndarray类的方法实现的。 默认情况下，这些操作适用于数组，就好像它是一个数字列表，无论其形状如何。 但是，通过指定axis参数，您可以沿数组的指定轴应用操作：

Answer 2

对列求和的其他替代方法是

numpy.einsum('ij->j', a)

和

numpy.dot(a.T, numpy.ones(a.shape[0]))

如果行数和列数处于相同数量级，则所有可能性的速度大致相同：

但是，如果只有几列，则einsum和dot解决方案都明显优于 numpy 的sum （注意对数刻度）：

---

重现图的代码：

import numpy
import perfplot


def numpy_sum(a):
    return numpy.sum(a, axis=1)


def einsum(a):
    return numpy.einsum('ij->i', a)


def dot_ones(a):
    return numpy.dot(a, numpy.ones(a.shape[1]))


perfplot.save(
    "out1.png",
    # setup=lambda n: numpy.random.rand(n, n),
    setup=lambda n: numpy.random.rand(n, 3),
    n_range=[2**k for k in range(15)],
    kernels=[numpy_sum, einsum, dot_ones],
    logx=True,
    logy=True,
    xlabel='len(a)',
    )

Answer 3

使用numpy.sum 。 对于你的情况，它是

sum = a.sum(axis=0)

Answer 4

使用axis参数：

>> numpy.sum(a, axis=0)
  array([18, 22, 26])

Answer 5

然后 NumPy sum函数采用一个可选的轴参数，指定您希望沿着哪个轴执行求和：

>>> a = numpy.arange(12).reshape(4,3)
>>> a.sum(0)
array([18, 22, 26])

或者，等效地：

>>> numpy.sum(a, 0)
array([18, 22, 26])

Answer 6

a.sum(0)

应该可以解决问题。 它是一个二维np.array ，您将获得所有列的总和。 axis=0是向下的维度， axis=1是指向右边的维度。