溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這期內容當中小編將會給大家帶來有關Numpy中怎么使用sum函數求和，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。
使用Numpy（下面簡稱np）中的sum函數對某一維度求和時，由于該維度會在求和后變成一個數，所以所得結果的這一維度為空。
比如下面的例子：
a = np.array([[1,2,3],[4,5,6]]) b = np.sum(a,axis=1) print(b.shape) # (2,)
所以，對于一個shape為(2,3)的數組，在默認情況下使用np.sum函數求和后得到的結果shape是 (2,)，如果我們想得到的是(2,1)的shape怎么辦？比如Ng的深度學習編程練習中Course 1 Assignment 4就要求這樣。使用reshape函數當然可以，只是沒有必要，太麻煩了一點不優雅。我們可以使用通過設置keepdims參數實現，還是這個例子：
a = np.array([[1,2,3],[4,5,6]]) b = np.sum(a,axis=1,keepdims=True) print(b.shape) # (2,1)
(2,1)和(2,)的shape之間不同參見 What's the difference between (N,) and (N,1) in Numpy? —Stackoverflow
這里有個小例子可以幫助理解：
a = np.ones((5,)) b = np.ones((5,1)) print(a) # [1. 1. 1. 1. 1.] print(b) # [[1.] # [1.] # [1.] # [1.] # [1.]]
上述就是小編為大家分享的Numpy中怎么使用sum函數求和了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
