[最完整版本]详细例子,np.cumsum()你只看这一篇就够了!

本文详细介绍了numpy的cumsum函数,包括其在不同axis上的应用。通过对示例的分析,解释了axis=None时的累积和计算以及axis=0和axis=1时的按行和按列累加。此外,还探讨了更高维度数组的累积和计算。文章适合想要深入理解numpy累加操作的读者。

1.定义

老规矩,遇事不决,先查手册,下面是关于 numpy官方手册中关于np.cumsum()的定义与例子:
在这里插入图片描述
在这里插入图片描述

同时,官方提供了几个例子:

>>> 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)
array([[1, 2, 3],
[5, 7, 9]])
>>> np.cumsum(a,axis=1)
array([[ 1, 3, 6],
[ 4, 9, 15]])

2. 实际用例分析

2.1在axis=None时

根据官方文档:The default (None) is to
compute the cumsum over the flattened array.
在axis=None时计算的是展平累积和:

a
Out[19]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
a.shape
Out[20]: (3, 3)

a为一个3x3的np array,当我们对其进行处理时,会得到如下结果:
(转载请注明原文链接:详细例子,np.cumsum()你只看这一篇就够了!https://blog.csdn.net/ftimes/article/details/119682910)


                
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值