Hướng dẫn sum of all elements in array python numpy - tổng của tất cả các phần tử trong mảng python numpy

numpy.sum (a, axis = none, dtype = nonesum(a, axis=None, dtype=None, out=None, keepdims= value>, initial= value>, where= value>)[source]#

Tổng các phần tử mảng trên một trục nhất định.

Parametersaarray_likeaarray_like

Các yếu tố để tổng.

trục hoặc int hoặc tuple của int, tùy chọnNone or int or tuple of ints, optional

Trục hoặc trục dọc theo đó một tổng được thực hiện. Mặc định, trục = Không, sẽ tổng hợp tất cả các phần tử của mảng đầu vào. Nếu trục âm thì nó được tính từ trục cuối cùng đến trục đầu tiên.

Mới trong phiên bản 1.7.0.

Nếu trục là một tuple của INT, một tổng được thực hiện trên tất cả các trục được chỉ định trong tuple thay vì một trục đơn hoặc tất cả các trục như trước đây.

DtypedType, tùy chọndtype, optional

Loại của mảng được trả về và của bộ tích lũy trong đó các phần tử được tổng hợp. DTYPE của A được sử dụng theo mặc định trừ khi A có số nguyên DTYPE có độ chính xác thấp hơn số nguyên nền tảng mặc định. Trong trường hợp đó, nếu A được ký thì số nguyên nền tảng được sử dụng trong khi nếu A không dấu thì một số nguyên không dấu có độ chính xác tương tự như số nguyên nền tảng được sử dụng.

Outndarray, tùy chọnndarray, optional

Mảng đầu ra thay thế để đặt kết quả. Nó phải có hình dạng giống như đầu ra dự kiến, nhưng loại giá trị đầu ra sẽ được đúc nếu cần thiết.

Keepdimsbool, tùy chọnbool, optional

Nếu điều này được đặt thành TRUE, các trục bị giảm được để lại trong kết quả là kích thước với kích thước một. Với tùy chọn này, kết quả sẽ phát sóng chính xác so với mảng đầu vào.

Nếu giá trị mặc định được thông qua, thì KeepDim sẽ không được chuyển qua phương thức sum của các lớp phụ của ndarray, tuy nhiên bất kỳ giá trị không mặc định nào cũng sẽ được. Nếu phương thức lớp phụ không thực hiện được, bất kỳ trường hợp ngoại lệ nào cũng sẽ được nêu ra.

initScalar, tùy chọnscalar, optional

Giá trị bắt đầu cho tổng. Xem reduce để biết chi tiết.

Mới trong phiên bản 1.15.0.

wherearray_like của bool, tùy chọnarray_like of bool, optional

Các yếu tố cần bao gồm trong tổng. Xem reduce để biết chi tiết.

Mới trong phiên bản 1.17.0.

Returnssum_along_axisndarraysum_along_axisndarray

Một mảng có hình dạng giống như A, với trục được chỉ định được loại bỏ. Nếu A là mảng 0-D hoặc nếu trục không phải là vô hướng. Nếu một mảng đầu ra được chỉ định, một tham chiếu ra ngoài được trả về.

Xem thêm

ndarray.sum

Phương pháp tương đương.

add.reduce

Chức năng tương đương của add.

>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128
0

Tổng tích lũy của các phần tử mảng.

>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128
1

Tích hợp các giá trị mảng bằng cách sử dụng quy tắc hình thang tổng hợp.

>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128
2,
>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128
3

Ghi chú

Số học là mô -đun khi sử dụng các loại số nguyên và không có lỗi nào được nêu trên tràn.

Tổng của một mảng trống là phần tử trung tính 0:

Đối với số điểm nổi, độ chính xác số của tổng (và

>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128
4) nói chung bị giới hạn bằng cách trực tiếp thêm từng số vào kết quả gây ra lỗi làm tròn trong mỗi bước. Tuy nhiên, thông thường Numpy sẽ sử dụng một cách tiếp cận tốt hơn về mặt số lượng (tổng kết cặp một phần) dẫn đến độ chính xác được cải thiện trong nhiều trường hợp sử dụng. Độ chính xác được cải thiện này luôn được cung cấp khi không có
>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128
5 được đưa ra. Khi
>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128
5 được đưa ra, nó sẽ phụ thuộc vào trục nào được tổng hợp. Về mặt kỹ thuật, để cung cấp tốc độ tốt nhất có thể, độ chính xác được cải thiện chỉ được sử dụng khi tổng kết dọc theo trục nhanh trong bộ nhớ. Lưu ý rằng độ chính xác chính xác có thể thay đổi tùy thuộc vào các tham số khác. Trái ngược với chức năng Numpy, Python từ
>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128
7 sử dụng cách tiếp cận chậm hơn nhưng chính xác hơn để tổng kết. Đặc biệt là khi tổng số một số lượng lớn các số điểm nổi chính xác thấp hơn, chẳng hạn như
>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128
8, các lỗi số có thể trở nên đáng kể. Trong những trường hợp như vậy, có thể nên sử dụng DTYPE = Tiết Float64, để sử dụng độ chính xác cao hơn cho đầu ra.

Ví dụ

>>> np.sum([0.5, 1.5])
2.0
>>> np.sum([0.5, 0.7, 0.2, 1.5], dtype=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.])

Nếu bộ tích lũy quá nhỏ, xảy ra tràn:

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

Bạn cũng có thể bắt đầu tổng với một giá trị khác với số 0:

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

Làm thế nào để bạn tìm thấy tổng của tất cả các yếu tố trong một mảng trong numpy?

SUM () trong Python.numpy.sum (mảng, trục, dtype, out): hàm này trả về tổng các phần tử mảng trên trục được chỉ định.numpy. sum(arr, axis, dtype, out) : This function returns the sum of array elements over the specified axis.

Làm thế nào để bạn tổng hợp tất cả các yếu tố trong một python mảng?

Bước 1: Khai báo và khởi tạo một mảng ..
Bước 2: Tổng biến sẽ được sử dụng để tính tổng của các phần tử.Khởi tạo nó thành 0 ..
Bước 3: Vòng lặp qua mảng và thêm từng phần tử của mảng vào tổng biến là sum = sum + mảng [i] ..

Làm cách nào để tổng hợp tất cả các cột trong Numpy?

Phương pháp 2: Sử dụng hàm SUM () trong Numpy, Numpy.SUM (ARR, trục, DTYPE, OUT) Trả về tổng các phần tử mảng trên trục được chỉ định.Để tính tổng của tất cả các cột, đối số trục phải là 0 trong hàm sum ().Using the sum() function in NumPy, numpy. sum(arr, axis, dtype, out) function returns the sum of array elements over the specified axis. To compute the sum of all columns the axis argument should be 0 in sum() function.

Bạn nhận được gì nếu bạn áp dụng Numpy Sum () vào danh sách chỉ chứa các giá trị Boolean?

Sum nhận được một mảng booleans làm đối số của nó, nó sẽ tổng hợp từng phần tử (đếm đúng là 1 và sai là 0) và trả về kết quả.Ví dụ NP.SUM ([Đúng, Đúng, Sai]) sẽ xuất hiện 2 :) Hy vọng điều này sẽ giúp.sum each element (count True as 1 and False as 0) and return the outcome. for instance np. sum([True, True, False]) will output 2 :) Hope this helps.