為什么 Python 對相同的函數（例如“sum”或“and”）表現不同？

Question

**

• 場景一： sum

** 我發現在 numpy 中處理二維數組時，我意識到求和有不同的選項 - 即，Python 內置方法sum僅提供沿軸的求和，而 numpy sum提供總二維數組（矩陣）的求和）。

**

• 場景 2： and與&

**

我注意到邏輯和（ and ）按位和（ & ）都適用於相同的數據元素，但產生不同的結果。 事實上，邏輯和and在dataframe series中不起作用，而按位和&工作得很好。

為什么會發生這種情況？ 任何人都可以根據語言的歷史、設計、目的等提供見解，以便更好地理解嗎？

問候 Ssp

Answer 1

numpy在 Python 中運行，並從ndarray類方法和模塊函數中獲取其所有特殊行為。 它不會改變 Python 語法。

Python sum將其輸入視為可迭代的； 用一維數組很容易理解，就像在列表上操作一樣。 但在二維數組上，更難理解：

In [52]: x = np.arange(12).reshape(3,4)                                         
In [53]: sum(x)                                                                 
Out[53]: array([12, 15, 18, 21])    # what's this doing?
In [54]: x.sum()        # or np.sum(x)                                                            
Out[54]: 66
In [55]: x.sum(axis=0)                                                          
Out[55]: array([12, 15, 18, 21])    # sum down rows, one per column
In [56]: x.sum(axis=1)                                                          
Out[56]: array([ 6, 22, 38])        # sum across columns, one per row

Python and是一個短路運算符。 像if語句一樣，它與 numpy 數組一起使用很可能會產生ambiguity錯誤。 數組的比較產生布爾數組。 不能在需要標量布爾值的 Python 上下文中使用布爾數組。

+ 、 * &等運算符具有特定於類的含義/方法。 [1,2,3]*3與np.array([1,2,3])*3 。 "a"+"string"與np.arange(3)+3 。