python中numpy.sum()函数

讲解清晰，转载自：https://blog.csdn.net/rifengxxc/article/details/75008427

众所周知，sum不传参的时候，是所有元素的总和。这里就不说了。

1 sum函数可以传入一个axis的参数，这个参数怎么理解呢？这样理解：

假设我生成一个numpy数组a，如下

1. >>> import numpy as np
2. >>> a = np.array([[[1,2,3,2],[1,2,3,1],[2,3,4,1]],[[1,0,2,0],[2,1,2,0],[2,1,1,1]]])
3. >>> a
4. array([[[1, 2, 3, 2],
5. [1, 2, 3, 1],
6. [2, 3, 4, 1]],
7. [[1, 0, 2, 0],
8. [2, 1, 2, 0],
9. [2, 1, 1, 1]]])
10. >>>

这是一个拥有两维的数组，每一维又拥有三个数组，这个数组里面拥有四个元素。如果我们要将这个a数组中的第一个元素1定位出来，则我们会输入a[0][0][0]。好，这个axis的取值就是这个精确定位某个元素需要经过多少数组的长度，在这里是3，，所以axis的取值有0，1，2。如果一个数组精确到某个元素需要a[n0][n1][n2][...][n]，则axis的取值就是n。定位 到这里，axis的参数的取值就解释完成了。

2 理解参数axis取值对sum结果的影响：

前面说了axis的取值（以数组a为例），axis=0，1，2。在这里，精确定位到某个元素可以用a[n0][n1][n2]表示。n0的取值是0，1（数组两维），代表第一个索引；n1的取值是0，1，2（每一维数组拥有3个子数组），代表第二个索引；n2的取值是0，1，2，3（每个子数组有4个元素），代表第三个索引，这几个取值在后面会用到。

2.1 axis = 0的时候：

axis=0，对应n0已经确定下来，即n0取值定为0，1。所以sum每个元素的求和公式是sum = a[0][n1][n2]+a[1][n1][n2]。接下来确定sum的行数和列数，n1的取值是0，1，2，为3个数，代表行数，n2的取值是0，1，2，3，为4个数，代表列数，所以sum为3*4的数组。

如何求sum的各个元素呢，sum = a[0][n1][n2]+a[1][n1][n2]这个公式又如何理解呢？如下。我们可以做一个表格：注意颜色

 

所以sum(axis=0)的值是 [ [2, 2, 5, 2], [3, 3, 5, 1], [4, 4, 5, 2]]。

验证一下, 正确！

<span style="font-size:14px;">>>> a.sum(axis=0)

1. array([[2, 2, 5, 2],
2. [3, 3, 5, 1],
3. [4, 4, 5, 2]])
4. </span>

2.2 axis = 1的时候：

axis=1，对应n1已经确定下来，即n1取值定为0，1，2。所以sum每个元素的求和公式是sum =a[n0][0][n2]+a[n0][1][n2]+a[n0][2][n2]。接下来确定sum的行数和列数，n0的取值是0，1，为2个数，代表行数，n2的取值是0，1，2，3，为4个数，代表列数，所以sum为2*4的数组。

如何求sum的各个元素呢，sum = a[n0][0][n2]+a[n0][1][n2]+a[n0][2][n2]这个公式又如何理解呢？我们又做一个表格，颜色不标注了

	n2=0	n2=1	n2=2	n2=3
n0=0	a[0][0][0]+ a[0][1][0]+ a[0][2][0] = 1+1+2=4	a[0][0][1]+ a[0][1][1]+ a[0][2][1] =2+2+3=7	a[0][0][2]+ a[0][1][2]+ a[0][2][2] =3+3+4=10	a[0][0][3]+ a[0][1][3]+ a[0][2][3] =2+1+1=4
n0=1	a[1][0][0]+ a[1][1][0]+ a[1][2][0] =1+2+2=5	a[1][0][1]+ a[1][1][1]+ a[1][2][1] =0+1+1=2	a[0][0][2]+ a[0][1][2]+ a[0][2][2] =2+2+1=5	a[1][0][3]+ a[1][1][3]+ a[1][2][3] =0+0+1=1

所以sum(axis=1)的值是 [ [4, 7, 10, 4], [5, 2, 5, 1]]. 验证如下，正确。

1. >>> a.sum(axis=1)
2. array([[ 4,  7, 10,  4],
3. [ 5,  2,  5,  1]])

2.3 axis = 2的时候：

axis=2，对应n2已经确定下来，即n2取值定为0，1，2, 3。所以sum每个元素的求和公式是sum =a[n0][n1][0]+a[n0][n1][1]+a[n0][n1][2]+a[n0][n1][3]。接下来确定sum的行数和列数，n0的取值是0，1，为2个数，代表行数，n1的取值是0，1，2，为3个数，代表列数，所以sum为2*3的数组。

如何求sum的各个元素呢，sum = a[n0][n1][0]+a[n0][n1][1]+a[n0][n1][2]+a[n0][n1][3]这个公式又如何理解呢？我们又做一个表格，颜色不标注了

	n1=0	n1=1	n1=2
n0=0	a[0][0][0]+ a[0][0][1]+ a[0][0][2]+ a[0][0][3] =1+2+3+2=8	a[0][1][0]+ a[0][1][1]+ a[0][1][2]+ a[0][1][3] =1+2+3+1=7	a[0][2][0]+ a[0][2][1]+ a[0][2][2]+ a[0][2][3] =2+3+4+1=10
n0=1	a[1][0][0]+ a[1][0][1]+ a[1][0][2]+ a[1][0][3] =1+0+2+0=3	a[1][1][0]+ a[1][1][1]+ a[1][1][2]+ a[1][1][3] =2+1+2+0=5	a[1][2][0]+ a[1][2][1]+ a[1][2][2]+ a[1][2][3] =2+1+1+1=5

所以sum(axis=2)的值是 [ [8, 7, 10], [3, 5, 5]]. 验证如下，正确。

1. <span style="font-size:14px;">>>> a.sum(axis=2)
2. array([[ 8,  7, 10],
3. [ 3,  5,  5]])</span>

---

keepdims 的含义

keepdims主要用于保持矩阵的二维特性

import numpy as np
a = np.array([[1,2],[3,4]])

# 按行相加，并且保持其二维特性
print(np.sum(a, axis=1, keepdims=True))

# 按行相加，不保持其二维特性
print(np.sum(a, axis=1))

输出

array([[3], [7]])
array([3, 7])