numpy.cumsum#

numpy.cumsum(a, axis=None, dtype=None, out=None)[source]#

沿给定轴返回元素的累积和。

参数:
aarray_like

输入数组。

axisint, 可选

计算累积和的轴。默认值 (None) 是对扁平化数组计算累积和。

dtypedtype, 可选

返回数组和累加器中元素求和的数据类型。如果未指定 dtype,则默认为 a 的 dtype,除非 a 的整数 dtype 的精度小于默认平台整数的精度。在这种情况下,将使用默认平台整数。

outndarray, 可选

放置结果的备用输出数组。它必须与预期输出具有相同的形状和缓冲区长度,但如果必要,类型将被强制转换。有关详细信息,请参阅 输出类型确定

返回值:
cumsum_along_axisndarray.

除非指定了 out,否则将返回一个包含结果的新数组,在这种情况下,将返回对 out 的引用。结果与 a 大小相同,如果 axis 不为 None 或 a 是一个一维数组,则与 a 形状相同。

另请参阅

cumulative_sum

cumsum 的 Array API 兼容替代方案。

sum

对数组元素求和。

trapezoid

使用复合梯形规则对数组值进行积分。

diff

计算给定轴上的第 n 个离散差分。

备注

使用整数类型时,算术是模运算,并且不会在溢出时引发错误。

cumsum(a)[-1] 可能不等于 sum(a)(对于浮点值),因为 sum 可能使用成对求和例程,从而减少舍入误差。有关更多信息,请参阅 sum

示例

>>> import numpy as np
>>> a = np.array([[1,2,3], [4,5,6]])
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
>>> np.cumsum(a)
array([ 1,  3,  6, 10, 15, 21])
>>> np.cumsum(a, dtype=float)     # specifies type of output value(s)
array([  1.,   3.,   6.,  10.,  15.,  21.])
>>> np.cumsum(a,axis=0)      # sum over rows for each of the 3 columns
array([[1, 2, 3],
       [5, 7, 9]])
>>> np.cumsum(a,axis=1)      # sum over columns for each of the 2 rows
array([[ 1,  3,  6],
       [ 4,  9, 15]])

cumsum(b)[-1] 可能不等于 sum(b)

>>> b = np.array([1, 2e-9, 3e-9] * 1000000)
>>> b.cumsum()[-1]
1000000.0050045159
>>> b.sum()
1000000.0050000029