numpy.sum#

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

沿给定轴对数组元素求和。

参数:

aarray_like

要相加的元素。

axisNone 或 int 或 int 元组，可选

执行求和的轴或轴的元组。默认值 `axis=None` 将对输入数组的所有元素求和。如果 `axis` 为负，则从最后一个轴开始计数到第一个轴。如果 `axis` 是一个整数元组，则在元组中指定的所有轴上执行求和，而不是像之前那样在单个轴或所有轴上求和。

dtypedtype，可选

返回数组的类型以及累加器中元素求和的类型。默认情况下使用 a 的 dtype，除非 a 的整数 dtype 精度低于默认平台整数。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，则使用与平台整数相同精度的无符号整数。

outndarray，可选

存放结果的备用输出数组。它必须与预期输出具有相同的形状，但输出值的类型在必要时将被转换。

keepdimsbool，可选

如果设置为 True，则保留被缩减的轴，作为大小为一的维度。使用此选项，结果将与输入数组正确广播。

如果传入默认值，则 keepdims 将不会传递给 ndarray 子类的 sum 方法，但任何非默认值都会传递。如果子类的方法未实现 keepdims，则会引发任何异常。

initialscalar，可选

求和的起始值。有关详细信息，请参见 reduce。

wherearray_like of bool，可选

包含在求和中的元素。有关详细信息，请参见 reduce。

返回:

sum_along_axisndarray: 一个与 a 形状相同但指定轴被移除的数组。如果 a 是一个 0-d 数组，或者如果 axis 为 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。

另请参见

ndarray.sum: 等效方法。
add: numpy.add.reduce 等效函数。
cumsum: 数组元素的累积和。
trapezoid: 使用复合梯形法则对数组值进行积分。
mean, average

注释

使用整数类型时，算术是模运算，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，sum（和 np.add.reduce）的数值精度通常受限于将每个数字单独添加到结果中，导致每一步都会出现舍入误差。然而，NumPy 通常会使用数值上更好的方法（部分两两求和），从而在许多用例中提高精度。当未给出 axis 时，始终提供这种改进的精度。当给出 axis 时，其精度将取决于求和的轴。从技术上讲，为了提供最佳速度，只有当求和沿着内存中的快速轴进行时，才使用改进的精度。请注意，确切的精度可能因其他参数而异。与 NumPy 不同，Python 的 math.fsum 函数使用一种较慢但更精确的求和方法。特别是当对大量低精度浮点数（例如 float32）求和时，数值误差可能会变得显著。在这种情况下，建议使用 dtype="float64" 以获得更高的输出精度。

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)

你也可以从一个非零值开始求和

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