sum函式主要為了求矩陣的行、或者列的和。其中用axis這個引數來指定對行還是列求和,當沒有指定axis引數的時候,就會對矩陣所有元素求和。
我們會發現當axis=0的時候,sum求的是每一列元素的和。import numpy as np
#生成乙個2維矩陣
a = range(16)
a = np.array(a)
a = a.reshape(4,4)
#[[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]
# [12 13 14 15]]
#sum的第二個引數不指定的時候,求導所有元素的和
res = np.sum(a) #120
#axis =0
res_1 = np.sum(a,axis=0)
#列印結果
print res_1
#[24 28 32 36]
當axis=1的時候,求的是每一行元素的和。res_2 =np.sum(a,axis=1)
print res_2
#[ 6, 22, 38, 54]
說到numpy的sum函式,就不得不說其中的mean函式。2者在axis這個引數的設定是一樣的,axis=0就是求每列的均值,axis=1就是求每行的均值。
函式介面為
numpy.mean(a, axis=none, dtype=none, out=none, keepdims=false)
其中a是要求均值的矩陣;
axis指明沿哪個軸計算均值,還可以這麼理解,axis是幾,那就表明被axis指明的那個維度數值被壓縮成1。
dtype指明算得均值結果之後的資料型別;
keepdims指明是否保持維度,具體來說,假如你有乙個3*2的矩陣,你恰好要沿行計算(axis=1)均值,那麼你應該得到3*1的均值矩陣。但是如果你不指定keepdims=true的話,其實結果是1*3的均值矩陣。
a = np.array([[1,2],[3,4],[5,6]])
#array([0.5, 2.5, 4.5])
me_1 = np.mean(a,axis=1)
#(3,)
me_1.shape
#array([[0.5],
# [2.5],
# [4.5]])
me_2 = np.mean(a,axis=1,keepdims=true)
#(3, 1)
me_2.shape
numpy中的mean 函式
mean 函式定義 numpy.mean a,axis,dtype,out,keepdims mean 函式功能 求取均值 經常操作的引數為axis,以m n矩陣舉例 axis 不設定值,對 m n 個數求均值,返回乙個實數 axis 0 壓縮行,對各列求均值,返回 1 n 矩陣 axis 1 壓縮...
numpy中的mean 函式
mean 函式功能 求取均值 經常操作的引數為axis,以m n矩陣舉例 axis 不設定值,對 m n 個數求均值,返回乙個實數 axis 0 壓縮行,對各列求均值,返回 1 n 矩陣 axis 1 壓縮列,對各行求均值,返回 m 1 矩陣 例子 1.陣列的操作 a np.array 1,2 3,...
numpy中mean 函式理解
numpy.mean a,axis none,dtype none,out none 沿指定軸計算算術平均值。作用 返回陣列元素的平均值。預設情況下,平均值取自展平的陣列,否則取自指定的軸。引數 a array like 包含期望平均值的數字的陣列。如果a不是陣列,則嘗試進行轉換。axis 整數,可...