numpy.sum

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

在给定轴上数组元素的总和.

参数:

aarray_like

要相加的元素.

axisNone 或 int 或 int 的元组,可选

执行求和的轴或轴.默认情况下,axis=None 将对输入数组的所有元素进行求和.如果 axis 为负数,则从最后一个轴计数到第一个轴.

在 1.7.0 版本加入.

如果 axis 是一个整数的元组,则会在元组中指定的所有轴上执行求和,而不是像之前那样只在一个轴或所有轴上执行.

dtypedtype, 可选

返回数组的类型以及用于累加元素的累加器的类型.默认情况下使用 a 的 dtype,除非 a 具有比默认平台整数精度更低的整数 dtype.在这种情况下,如果 a 是有符号的,则使用平台整数,而如果 a 是无符号的,则使用与平台整数精度相同的无符号整数.

outndarray, 可选

要在其中放置结果的替代输出数组.它必须具有与预期输出相同的形状,但如果需要,输出值的类型将被转换.

keepdims布尔值, 可选

如果设置为 True,被减少的轴将作为尺寸为1的维度保留在结果中.使用此选项,结果将正确地与输入数组进行广播.

如果传递的是默认值,那么 keepdims 将不会传递给 ndarray 子类的 sum 方法,然而任何非默认值将会被传递.如果子类的方法没有实现 keepdims,任何异常都会被引发.

initial标量,可选

求和的起始值.详见 reduce.

在 1.15.0 版本加入.

where布尔值的类数组对象,可选

要在总和中包含的元素.详情请参见 reduce.

在 1.17.0 版本加入.

返回:

sum_along_axisndarray

一个与 a 形状相同的数组,但指定的轴被移除.如果 a 是一个 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.

参见

ndarray.sum

等效方法.

add

numpy.add.reduce 等效函数.

cumsum

数组元素的累积和.

trapezoid

使用复合梯形法则集成数组值.

mean, average

备注

使用整数类型时,算术是模运算的,并且在溢出时不会引发错误.

空数组的和是中性元素 0:

>>> np.sum([])
0.0

对于浮点数,求和（以及 np.add.reduce）的数值精度通常受限于直接将每个数逐个加到结果中,这会在每一步导致舍入误差.然而,通常numpy会使用一种数值上更好的方法（部分成对求和）,从而在许多用例中提高精度.当没有给出 axis 时,这种提高的精度总是提供的.当给出 axis 时,精度将取决于对哪个轴求和.从技术上讲,为了提供尽可能快的速度,只有在沿内存中的快速轴求和时才会使用提高的精度.请注意,精确的精度可能会根据其他参数而变化.与NumPy相比,Python的 math.fsum 函数使用了一种更慢但更精确的求和方法.特别是在求和大量低精度浮点数（如 float32）时,数值误差可能会变得显著.在这种情况下,建议使用 dtype=”float64” 以使用更高的精度进行输出.

示例

>>> import numpy as np
>>> np.sum([0.5, 1.5])
2.0
>>> np.sum([0.5, 0.7, 0.2, 1.5], dtype=np.int32)
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,会发生溢出:

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

你也可以从非零值开始求和:

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