numpy 中数组sum 的用法

注意以下例子里的消失（taken)的维  

axis=0

[python] view plain copy

1. >>> import numpy as np  
2. >>> b=np.arange(24).reshape(2,3,4)  
3. >>> b  
4. array([[[ 0,  1,  2,  3],  
5.         [ 4,  5,  6,  7],  
6.         [ 8,  9, 10, 11]],  
7.   
8.        [[12, 13, 14, 15],  
9.         [16, 17, 18, 19],  
10.         [20, 21, 22, 23]]])  
11. >>> b.sum(axis=0)  
12. array([[12, 14, 16, 18],  
13.        [20, 22, 24, 26],  
14.        [28, 30, 32, 34]])  

（2,3,4）变为（3，4） 下标2的维消失了。和是怎么计算的呢？看下面b的展开样式：

[python] view plain copy

1. [  
2.  [  
3.     [ 0,  1,  2,  3],[ 4,  5,  6,  7],[ 8,  9, 10, 11]  
4.  ],  
5.   
6.  [  
7.     [12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]  
8.  ]  
9. ]  

对照 b.sum(axis=0) 结果 ，很容易看出怎么求和的了吧？  下标2的0维消失，却对下标4的2维的元素求和。

[python] view plain copy

1. <pre name="code" class="python">>>> b.sum(axis=1)  
2. array([[12, 15, 18, 21],  
3.        [48, 51, 54, 57]])  

（2,3,4）变为（2，4） 下标3的维消失了。和是怎么计算的呢？看下面b的展开样式：

[python] view plain copy

1. [  
2.  [  
3.     [ 0,  1,  2,  3],  
4.     [ 4,  5,  6,  7],  
5.     [ 8,  9, 10, 11]  
6.  ],  
7.   
8.  [  
9.     [12, 13, 14, 15],  
10.     [16, 17, 18, 19],  
11.     [20, 21, 22, 23]  
12.  ]  
13. ]  

[python] view plain copy

1. >>> b.sum(axis=2)  
2. array([[ 6, 22, 38],  
3.        [54, 70, 86]])  

（2,3,4）变为（2，3） 下标4的维消失了。和是怎么计算的呢？看下面b的展开样式：

[python] view plain copy

1. [  
2.  [  
3.     [ 0,  1,  2,  3],[ 4,  5,  6,  7],[ 8,  9, 10, 11]  
4.  ],  
5.   
6.  [  
7.     [12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]  
8.  ]  
9. ]  

总结：

看出规律了吗？不是是一会按列求和，一会按行求和，这么简单的！sum(axis=那个维) 那个维就消失，其他维不变，对消失的维求和

注意以下例子里的消失（taken)的维  

axis=0

[python] view plain copy

1. >>> import numpy as np  
2. >>> b=np.arange(24).reshape(2,3,4)  
3. >>> b  
4. array([[[ 0,  1,  2,  3],  
5.         [ 4,  5,  6,  7],  
6.         [ 8,  9, 10, 11]],  
7.   
8.        [[12, 13, 14, 15],  
9.         [16, 17, 18, 19],  
10.         [20, 21, 22, 23]]])  
11. >>> b.sum(axis=0)  
12. array([[12, 14, 16, 18],  
13.        [20, 22, 24, 26],  
14.        [28, 30, 32, 34]])  

（2,3,4）变为（3，4） 下标2的维消失了。和是怎么计算的呢？看下面b的展开样式：

[python] view plain copy

1. [  
2.  [  
3.     [ 0,  1,  2,  3],[ 4,  5,  6,  7],[ 8,  9, 10, 11]  
4.  ],  
5.   
6.  [  
7.     [12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]  
8.  ]  
9. ]  

对照 b.sum(axis=0) 结果 ，很容易看出怎么求和的了吧？  下标2的0维消失，却对下标4的2维的元素求和。

[python] view plain copy

1. <pre name="code" class="python">>>> b.sum(axis=1)  
2. array([[12, 15, 18, 21],  
3.        [48, 51, 54, 57]])  

（2,3,4）变为（2，4） 下标3的维消失了。和是怎么计算的呢？看下面b的展开样式：

[python] view plain copy

1. [  
2.  [  
3.     [ 0,  1,  2,  3],  
4.     [ 4,  5,  6,  7],  
5.     [ 8,  9, 10, 11]  
6.  ],  
7.   
8.  [  
9.     [12, 13, 14, 15],  
10.     [16, 17, 18, 19],  
11.     [20, 21, 22, 23]  
12.  ]  
13. ]  

[python] view plain copy

1. >>> b.sum(axis=2)  
2. array([[ 6, 22, 38],  
3.        [54, 70, 86]])  

（2,3,4）变为（2，3） 下标4的维消失了。和是怎么计算的呢？看下面b的展开样式：

[python] view plain copy

1. [  
2.  [  
3.     [ 0,  1,  2,  3],[ 4,  5,  6,  7],[ 8,  9, 10, 11]  
4.  ],  
5.   
6.  [  
7.     [12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]  
8.  ]  
9. ]  

总结：

看出规律了吗？不是是一会按列求和，一会按行求和，这么简单的！sum(axis=那个维) 那个维就消失，其他维不变，对消失的维求和