我們平時用的sum應該是預設的axis=0 就是普通的相加,而當加入axis=1以後就是將乙個矩陣的每一行向量相加
axis=0, 表示列。
axis=1, 表示行。
對於向量:
>>>
import numpy as np
>>> np.array([0, 2, 1])
array([0, 2, 1])
>>> b.sum()
3>>> b.sum(axis=0)
3>>> b.sum(axis=1)
traceback (most recent call last):
file "", line 1, in
file "c:\program_software\anaconda\lib\site-packages\numpy\core\_methods.py", line 32, in _sum
return umr_sum(a, axis, dtype, out, keepdims)
valueerror: 'axis' entry is out of bounds
>>>
可見對於向量來說只有0軸,沒有1軸,即預設是列的儲存形式,類似matlab裡的向量形式
對於矩陣:
>>> a = np.array([[0, 2, 1]])
>>> a.sum()
3>>> a.sum(axis=0)
array([0, 2, 1])
>>> a.sum(axis=1)
array([3])
>>>
對比可以看出向量和矩陣得到的結果不同
>>> c=array([[0, 2, 1], [3, 5, 6], [0, 1, 1]])
>>> c.sum(axis=1)
array([ 3, 14, 2])
>>> c.sum(axis=0)
array([3, 8, 8])
>>> c.sum()
19
對於矩陣axis=0, 表示列;axis=1, 表示行
sum()表示所有的矩陣元素之和
下圖暫且稱為矩陣的切片圖吧。。
python中的sum函式 sum axis 1
看起來挺簡單的樣子,但是在給sum函式中加入引數。sum a,axis 0 或者是.sum axis 1 就有點不解了 在我實驗以後發現 我們平時用的sum應該是預設的axis 0 就是普通的相加 而當加入axis 1以後就是將乙個矩陣的每一行向量相加 例如 import numpy as np n...
python中的sum函式 sum axis 1
看起來挺簡單的樣子,但是在給sum函式中加入引數。sum a,axis 0 或者是.sum axis 1 就有點不解了 在我實驗以後發現 我們平時用的sum應該是預設的axis 0 就是普通的相加 而當加入axis 1以後就是將乙個矩陣的每一行向量相加 例如 import numpy as np n...
python中的sum函式 sum axis 1
axis 0,表示列。axis 1,表示行。看起來挺簡單的樣子,但是在給sum函式中加入引數。sum a,axis 0 或者是.sum axis 1 就有點不解了 在我實驗以後發現 我們平時用的sum應該是預設的axis 0 就是普通的相加 而當加入axis 1以後就是將乙個矩陣的每一行向量相加 例...