Trong hướng dẫn này, chúng tôi sẽ xem xét làm thế nào để có được tổng các giá trị của một mảng numpy. Chúng tôi cũng sẽ xem xét các trường hợp sử dụng cụ thể như tổng hợp dọc theo một trục cho các mảng chiều cao hơn.
Làm thế nào để tổng hợp một mảng numpy?
Bạn có thể sử dụng hàm sum[]
Numpy để tổng hợp các phần tử của một mảng. Sau đây là cú pháp cho một loạt các trường hợp sử dụng khác nhau:
# arr is a numpy array # sum of all values arr.sum[] # sum of each row [for 2D array] arr.sum[axis=1] # sum of each column [for 2D array] arr.sum[axis=0] # sum along a specific axis, n arr.sum[axis=n]
Bạn cũng có thể chỉ định trục để tổng hợp mảng numpy cùng với tham số
import numpy as np # create an array arr = np.array[[2, 0, 1, 3]] # sum of array values total = arr.sum[] print[total]0 [xem các ví dụ bên dưới]
Bây giờ, hãy xem xét một số trường hợp sử dụng của chức năng sum[]
Numpy.
Tổng của tất cả các phần tử trong mảng
Sử dụng hàm sum[]
numpy mà không có bất kỳ tham số nào để có tổng số tổng của tất cả các giá trị bên trong mảng.
Hãy để tạo ra một mảng numpy và minh họa việc sử dụng của nó.
import numpy as np # create an array arr = np.array[[2, 0, 1, 3]] # sum of array values total = arr.sum[] print[total]
Output:
6
Chúng tôi nhận được 6 làm đầu ra là tổng của tất cả các giá trị trong mảng trên ARR: 2+0+1+3
Bạn cũng có thể sử dụng các giá trị cú pháp ở trên để tổng trong các mảng numpy chiều cao hơn. Ví dụ: hãy để Lừa nhận được tổng số tất cả các yếu tố trong một mảng 2D Numpy -
# create a 2D numpy array arr = np.array[[[1, 0, 0], [2, 1, 1]]] # sum of array values total = arr.sum[] # display the array and the sum print[arr] print["Sum:", total]
Output:
[[1 0 0] [2 1 1]] Sum: 5
Ở đây, chúng tôi đã tạo một mảng 2D và sau đó tính tổng của nó. Bạn có thể thấy rằng chúng ta nhận được tổng của tất cả các phần tử trong mảng 2D trên với cùng một cú pháp. Điều này có thể được mở rộng đến các mảng numpy chiều cao hơn là tốt.
Tổng của mỗi hàng trong một mảng 2D
Để có được tổng của mỗi hàng trong một mảng 2D, hãy chuyển
import numpy as np # create an array arr = np.array[[2, 0, 1, 3]] # sum of array values total = arr.sum[] print[total]3 đến hàm
sum[]
. Đối số này cho biết chức năng của trục dọc theo đó các yếu tố sẽ được tổng hợp. Hãy để sử dụng nó để có được tổng của mỗi hàng trong mảng mảng.# create a 2D numpy array arr = np.array[[[1, 0, 0], [2, 1, 1]]] # sum of each row row_totals = arr.sum[axis=1] # display the array and the sum print[arr] print["Sum of each row:", row_totals]
Output:
[[1 0 0] [2 1 1]] Sum of each row: [1 4]
Chúng tôi nhận được tổng của mỗi hàng với trục = 1. Hàng đầu tiên tổng cộng là 1 và khối thứ hai là 4. Kết quả được trả về dưới dạng mảng numpy.
Tổng của mỗi cột trong một mảng 2D
Để có được tổng của mỗi cột trong một mảng 2D, hãy chuyển
import numpy as np # create an array arr = np.array[[2, 0, 1, 3]] # sum of array values total = arr.sum[] print[total]5 đến hàm
sum[]
. Đối số này cho biết chức năng của trục dọc theo đó các yếu tố sẽ được tổng hợp. Hãy để sử dụng nó để có được tổng của mỗi cột trong mảng mảng.# create a 2D numpy array arr = np.array[[[1, 0, 0], [2, 1, 1]]] # sum of each column col_totals = arr.sum[axis=0] # display the array and the sum print[arr] print["Sum of each column:", col_totals]
Output:
[[1 0 0] [2 1 1]] Sum of each column: [3 1 1]
Mảng kết quả
import numpy as np # create an array arr = np.array[[2, 0, 1, 3]] # sum of array values total = arr.sum[] print[total]7 chứa tổng các giá trị trong mỗi cột. Nghĩa là, trong ví dụ trên - 1+2, 0+1 và 0+1.
Hàm tổng [] Numpy cũng có các tham số bổ sung, ví dụ, để chỉ định loại dữ liệu của đầu ra, v.v. Để biết thêm, hãy tham khảo tài liệu của nó.
Với điều này, chúng tôi đi đến cuối hướng dẫn này. Các ví dụ và kết quả mã được trình bày trong hướng dẫn này đã được triển khai trong A & nbsp; Jupyter Notebook & NBSP; với hạt nhân Python [phiên bản 3.8.3] có phiên bản Numpy 1.18.5
Đăng ký nhận bản tin của chúng tôi để biết thêm hướng dẫn và hướng dẫn thông tin. Chúng tôi không spam và bạn có thể từ chối bất cứ lúc nào.
We do not spam and you can opt out any time.
Hướng dẫn về mảng Numpy -
- Làm thế nào để sắp xếp một mảng numpy?
- Tạo gấu trúc DataFrame từ một mảng numpy
- Những cách khác nhau để tạo ra các mảng numpy
- Chuyển đổi mảng numpy thành một danh sách - với các ví dụ
- Nối các giá trị vào một mảng numpy
- Tìm chỉ số phần tử trong mảng numpy
- Đọc tệp csv dưới dạng mảng numpy
- Lọc một mảng numpy - với các ví dụ
- Python - chọn ngẫu nhiên giá trị từ danh sách
- Numpy - tổng các giá trị trong mảng
- Numpy - tổng phần tử của hai mảng
- Numpy - Sự nhân phần của hai mảng
- Sử dụng phương thức Numpy Linspace []
- Sử dụng Numpy Vstack [] để xếp các mảng theo chiều dọc
- Không gian logspace [] - sử dụng và ví dụ
- Sử dụng phương thức arange [] numpy
- Sử dụng numpy hstack [] vào các mảng ngăn xếp theo chiều ngang
- Trim Zeros từ một mảng numpy trong Python
- Nhận các giá trị duy nhất và tính trong một mảng numpy
- Mảng numpy phân chia theo chiều ngang với hsplit []
Piyush là một nhà khoa học dữ liệu đam mê sử dụng dữ liệu để hiểu mọi thứ tốt hơn và đưa ra quyết định sáng suốt. Trong quá khứ, anh ta làm việc như một nhà khoa học dữ liệu cho ZS và có bằng kỹ sư từ IIT Roorkee. Sở thích của anh ấy bao gồm xem cricket, đọc sách và làm việc trên các dự án phụ.
Xem tất cả các bài viết