Hướng dẫn dùng numpy keepdims python

Hàm numpy.sum [] có sẵn trong gói NumPy của Python. Hàm này được sử dụng để tính tổng của tất cả các phần tử, tổng của mỗi hàng và tổng của mỗi cột của một mảng nhất định.

Các bài viết liên quan:

Về cơ bản, điều này tổng hợp các phần tử của một mảng, lấy các phần tử trong một ndarray và cộng chúng lại với nhau. Cũng có thể thêm các phần tử hàng và cột của một mảng. Đầu ra sẽ ở dạng một đối tượng mảng.

Cú pháp

Có cú pháp sau của hàm numpy.sum []:

numpy.sum [arr, axis = None, dtype = None, out = None, keepdims = , initial = ]

Tham số

1] arr: array_like

Đây là một ndarray. Đây là mảng nguồn có các phần tử mà chúng ta muốn tính tổng. Tham số này rất cần thiết và đóng một vai trò quan trọng trong hàm numpy.sum [].

2] axis: int hoặc None hoặc nhiều int [tùy chọn]

Tham số này xác định trục mà một tổng được thực hiện dọc theo. Trục mặc định là Không, trục này sẽ tính tổng tất cả các phần tử của mảng. Khi trục âm, nó tính từ trục cuối cùng đến trục đầu tiên. Trong phiên bản 1.7.0, một tổng được thực hiện trên tất cả các trục được chỉ định trong bộ giá trị thay vì một trục đơn hoặc tất cả các trục như trước đây khi một trục là một bộ số nguyên.

3] dtype: loại dtype [tùy chọn]

Tham số này xác định kiểu của bộ tích lũy và mảng được trả về trong đó các phần tử được tính tổng. Theo mặc định, loại arr được sử dụng trừ khi arr có loại số nguyên có độ chính xác thấp hơn số nguyên nền tảng mặc định. Trong trường hợp như vậy, khi arr được ký, thì số nguyên nền tảng được sử dụng và khi arr không có dấu, thì số nguyên không dấu có cùng độ chính xác với số nguyên nền tảng được sử dụng.

4] out: ndarray [tùy chọn]

Tham số này xác định mảng đầu ra thay thế trong đó kết quả sẽ được đặt. Mảng kết quả này phải có cùng hình dạng với đầu ra mong đợi. Loại giá trị đầu ra sẽ được ép kiểu, khi cần thiết.

5] keepdims: bool [option]

Tham số này xác định một giá trị Boolean. Khi tham số này được đặt thành True, trục được giảm xuống được để lại trong kết quả là các kích thước có kích thước là một. Với sự trợ giúp của tùy chọn này, kết quả sẽ được phát chính xác so với mảng đầu vào. Các keepdim sẽ không được chuyển cho phương thức tổng của các lớp con của một mảng ndarray, khi giá trị mặc định được chuyển, nhưng không phải trong trường hợp giá trị không phải là giá trị mặc định. Nếu phương thức lớp con không triển khai keepdims, thì bất kỳ ngoại lệ nào cũng có thể được đưa ra.

6] initial: vô hướng

Tham số này xác định giá trị bắt đầu cho tổng.

Return

Hàm này trả về một mảng có cùng hình dạng với arr với trục được chỉ định đã bị loại bỏ. Khi arr là một mảng 0-d hoặc khi trục là Không, một đại lượng vô hướng được trả về. Một tham chiếu đến out được trả về, khi một đầu ra mảng được chỉ định.

Ví dụ 1: numpy.array []

import numpy as np  
a=np.array[[0.4,0.5]]  
b=np.sum[a]  
b  

Output:

Trong đoạn code trên

• Chúng tôi đã tạo một mảng ‘a’ bằng hàm np.array [].
• Chúng ta đã khai báo biến ‘b’ và gán giá trị trả về của hàm np.sum [].
• Chúng tôi đã chuyển mảng ‘a’ trong hàm.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của b.

Trong đầu ra, tổng của tất cả các phần tử của mảng đã được hiển thị.

Ví dụ 2:

import numpy as np  
a=np.array[[0.4,0.5,0.9,6.1]]  
x=np.sum[a, dtype=np.int32]  
x  

Output:

Trong đoạn code trên

• Chúng tôi đã tạo một mảng ‘a’ bằng hàm np.array [].
• Chúng tôi đã khai báo biến ‘x’ và gán giá trị trả về của hàm np.sum [].
• Chúng ta đã chuyển mảng ‘a’ và kiểu dữ liệu int32 vào trong hàm.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của x.

Trong đầu ra, chỉ tổng của các số nguyên, không phải giá trị dấu phẩy động đã được hiển thị.

Ví dụ 3:

import numpy as np  
a=np.array[[[1,4],[3,5]]]  
b=np.sum[a]  
b  

Output:

Ví dụ 4:

import numpy as np  
a=np.array[[[1,4],[3,5]]]  
b=np.sum[a,axis=0]  
b  

Trong đoạn code trên

• Chúng tôi đã tạo một mảng ‘a’ bằng hàm np.array [].
• Chúng ta đã khai báo biến ‘b’ và gán giá trị trả về của hàm np.sum [].
• Chúng ta đã chuyển mảng ‘a’ và axis = 0 trong hàm.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của b.

Trong đầu ra, tổng của các phần tử cột đã được tính toán tương ứng.

Output:

Ví dụ 5:

import numpy as np  
a=np.array[[[1,4],[3,5]]]  
b=np.sum[a,axis=1]  
b  

Output:

Ví dụ 6:

import numpy as np  
b=np.sum[[15], initial=8]  
b  

Output:

Trong đoạn code trên

• Chúng ta đã khai báo biến ‘b’ và gán giá trị trả về của hàm np.sum [].
• Chúng tôi đã chuyển số phần tử và giá trị ban đầu trong hàm.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của b.

Trong đầu ra, giá trị ban đầu đã được thêm vào phần tử cuối cùng trong dãy phần tử và sau đó thực hiện tính tổng của tất cả các phần tử.