Numpy np.sum() 函数详解

本文介绍了numpy中sum()函数的用法。

函数：

numpy.sum(a, axis=None, dtype=None, out=None, 
			keepdims=<no value>, initial=<no value>, where=<no value>)

功能：求给定轴上数组元素的和。

---

参数：

• a : array_like
  求和元素
• axis : None or int or tuple of ints, optional
  执行求和的轴。默认值axis=None将对输入数组的所有元素求和。如果轴为负，则从最后一个轴到第一个轴进行计数。
  版本1.7.0中的新功能：如果轴是整数元组，则对元组中指定的所有轴执行求和，而不是像以前一样对单轴或所有轴执行求和。
• dtype : dtype, optional
  返回数组的类型和元素求和的累加器的类型。默认情况下使用的是a的dtype，除非a的整数dtype的精度低于默认的平台整数（platform integer）。在这种情况下，如果a是有符号的，则使用平台整数；如果a是无符号的，则使用精度与平台整数相同的无符号整数。
• out : ndarray, optional
  用于放置结果的可选输出数组。它必须具有与预期输出相同的形状，但必要时将强制转换输出值的类型。

返回值：

• sum_along_axis : ndarray
  与a形状相同，但删除了指定轴的数组。如果a是0-d数组，或者如果axis是None，则返回一个标量。如果指定了输出数组，则返回对out的引用。

---

注意：

使用整数类型时，算术是模块化的，溢出时不会产生错误。

>>> np.sum([])
0.0

对于浮点数，求和（和np.add.reduce）的数值精度通常受到限制，即直接将每个数单独相加到结果中，导致每个步骤的舍入误差。然而，通常numpy将使用数值上更好的方法（部分成对求和），从而在许多用例中提高精度。这种改进的精度总是在没有给定轴的情况下提供的。给定轴时，它将取决于求和的轴。从技术上讲，为了提供尽可能最佳的速度，只有当求和沿存储器中的快轴进行时，才使用改进的精度。请注意，精确精度可能因其他参数而异。与NumPy相反，Python的math.fsum函数使用了一种更慢但更精确的求和方法。特别是在对大量低精度浮点数（如float32）求和时，数值误差可能会变得很大。在这种情况下，建议使用dtype=“float64”对输出使用更高的精度。

示例：

>>> np.sum([0.5, 1.5])
2.0
>>> np.sum([0.5, 0.7, 0.2, 1.5], dtype=np.int32)
1
>>> np.sum([[0, 1], [0, 5]])
6
>>> np.sum([[0, 1], [0, 5]], axis=0)
array([0, 6])
>>> np.sum([[0, 1], [0, 5]], axis=1)
array([1, 5])
>>> np.sum([[0, 1], [np.nan, 5]], where=[False, True], axis=1)
array([1., 5.])

如果累加器太小，则会发生溢出：

>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128

也可用非零值开始求和：

>>> np.sum([10], initial=5)
15

官方文档：https://docs.scipy.org/doc/numpy/reference/generated/numpy.sum.html