Trong bài viết này, NumPy sum trong Python được định nghĩa là một thư viện Python được thiết kế đặc biệt để làm việc trên mảng và ma trận nhiều chiều và NumPy sum[] là một hàm do thư viện NumPy Python cung cấp, được sử dụng chủ yếu để tính tổng
Hoạt động của hàm NumPy sum[] trong Python
Bài viết này sẽ xem hàm sum[] của thư viện NumPy Python. Trong Python, hàm NumPy sum[] được sử dụng để tính tổng của tổng số mục có trong mảng đã cho, có nghĩa là các phần tử được lấy trong mảng NumPy dưới dạng đối tượng mảng và tính tổng các mục của một mảng đã cho
Bắt đầu khóa học phát triển phần mềm miễn phí của bạn
Phát triển web, ngôn ngữ lập trình, kiểm thử phần mềm và những thứ khác
Gói phát triển phần mềm tất cả trong một[hơn 600 khóa học, hơn 50 dự án]
Giá
Xem khóa học
600+ Khóa học trực tuyến. hơn 50 dự án. Hơn 3000 giờ. Giấy chứng nhận có thể kiểm chứng. Truy cập Trọn đời
4. 6 [83.557 xếp hạng]
cú pháp
Numpy.sum[in_array, axis, dtype, out, keepdims, initial]Thông số
- in_array. Tham số này để chỉ định tên mảng của mảng đầu vào để các phần tử được sử dụng để tính tổng
- trục. Giá trị này có thể là none hoặc int hoặc bộ của int, trong đó tham số này được sử dụng để xác định trục cần tính tổng và giá trị mặc định được chỉ định là none nơi nó sẽ tính tổng của tất cả các phần tử của đối tượng đã cho
- gõ. Tham số này được sử dụng để xác định loại bộ tích lũy và để chỉ định loại dữ liệu được trả về của đầu ra
- ngoài. Tham số này được sử dụng để chỉ định một mảng bổ sung khác để lưu trữ kết quả hoặc đầu ra và kích thước của mảng này phải giống với kích thước của mảng đầu vào
- thủ tục. Điều này chỉ định giá trị Boolean trong đó giá trị này được đặt thành true trong đó nếu các trục được giảm thì kết quả đầu ra có kích thước là kích thước một
- ban đầu. Nó được sử dụng để chỉ định giá trị bắt đầu hoặc ban đầu để tính tổng
ví dụ
Bây giờ hãy xem minh họa cách sử dụng hàm NumPy sum[] trong chương trình python
Ví dụ 1
Mã số
import numpy as np
print["Program to demonstrate numpy sum[] function: "]
print["\n"]
in_arr = np.array[[0,1,3,5,34,10]]
print["The given array is as follows:"]
print[in_arr]
print["\n"]
print["The sum of the given array is:"]
sum_res = np.sum[in_arr]
print[sum_res]đầu ra
Trong chương trình trên, chúng ta có thể thấy chúng ta đã nhập mô-đun NumPy và sau đó chúng ta đã tạo một mảng bằng cách sử dụng đối tượng NumPy np, sau đó sử dụng hàm sum[] và chuyển mảng đã cho này làm mảng đầu vào cho hàm và trả về tổng của phần tử . Thông thường, tổng của mảng trống là một giá trị trung tính bằng 0. Ở phần trên, chúng ta đã thấy cách cộng các phần tử của mảng một chiều
Ví dụ #2
Hãy xem cách cộng các phần tử của mảng hai chiều trong ví dụ dưới đây, cùng với các tham số khác của hàm sum[] như trục và kiểu dữ liệu
Mã số
import numpy as np
print["Program to demonstrate numpy sum[] function for 2D array: "]
print["\n"]
in_arr = np.array[ [[8,1,9], [6,4,1]]]
print["The given input 2-D array is as follows:"]
print[in_arr]
print["\n"]
res_arr_1 = np.sum[in_arr, axis=1, dtype=float]
print["Sum of elements at axis 1 row wise with the specified data type is"]
print[res_arr_1]
print["\n"]
res_arr_2 = np.sum[in_arr, axis=0, dtype=int]
print["Sum of elements at axis 0 column wise with the specified data type is"]
print[res_arr_2]
print["\n"]
res = np.sum[in_arr, axis=1, keepdims = True]
print["Keeping the dimensional of the output array same as input array"]
print[res]
print["\n"]
print["Sum of the total elements in the 2-D array is as follows:"]
tot_res = np.sum[in_arr]
print[tot_res]đầu ra
Trong chương trình trên, chúng ta khai báo một mảng 2 chiều bằng cách sử dụng đối tượng NumPy np. Trong trường hợp này, chúng tôi có hai hàng và 3 cột trong đó chúng tôi đã chỉ định giá trị trục là 1, điều đó có nghĩa là chúng tôi đang tính tổng của các phần tử theo hàng và kiểu dữ liệu là float được chỉ định khi nó cho kết quả ở dạng giá trị thả nổi của . Nếu chúng ta chỉ định giá trị trục 0, nó sẽ tính tổng các phần tử theo cột có kiểu dữ liệu là giá trị số nguyên và điều này cũng có thể được nhìn thấy trong ảnh chụp màn hình ở trên. Do đó, chúng ta có thể thấy trong ảnh chụp màn hình trong đó tổng các phần tử của hàng đầu tiên là 18 và hàng thứ hai là 11 và kết quả được in dưới dạng một mảng khác theo hàng và nếu trục bằng 0 thì kết quả sẽ là . Chúng ta cũng có thể thấy trong kết quả tổng của tổng các phần tử trong mảng đã cho là 29, đây là tổng giá trị của các phần tử được cộng lại với nhau
Trong phần trên, chúng ta đã thấy cách tính tổng các phần tử theo hàng và theo cột bằng cách sử dụng tham số axis. Từ ví dụ trên, chúng ta có thể nhận thấy rằng các phần tử sẽ được giảm xuống các kích thước nhỏ hơn sau khi tính tổng [] theo trục được chỉ định. Nói chung, khi chúng ta sử dụng tham số axis thì theo mặc định, hàm sum[] sẽ thu gọn hoặc giảm kích thước mảng đầu vào và kết quả là mảng có chiều nhỏ hơn hoặc thấp hơn. Giả sử chúng ta không muốn kích thước mảng kết quả giảm xuống kích thước nhỏ hơn của mảng đầu vào thì chúng ta cần sử dụng tham số keepdims trong hàm sum[] để giữ cho kích thước của mảng đầu ra giống với mảng đầu vào. Trong ví dụ trên, chúng ta có thể thấy ở dòng 20, chúng ta đã chỉ định keepdims là “True” nên nó chỉ hiển thị mảng đầu ra giống như trong mảng 2 chiều
Sự kết luận
Trong bài viết này, chúng tôi kết luận rằng mô-đun NumPy trong Python được sử dụng trong lĩnh vực khoa học dữ liệu để làm việc trên mảng nhiều chiều. Trong bài này chúng ta cũng đã xem cách tính tổng các phần tử trong mảng đã cho. Trong phần này, chúng ta đã xem các ví dụ về mảng một chiều và mảng hai chiều, cách sử dụng các tham số của hàm sum[] và cách sử dụng chúng
Bài viết được đề xuất
Đây là hướng dẫn về tổng NumPy. Ở đây chúng ta đã thảo luận về việc giới thiệu và hoạt động của hàm NumPy sum[] trong python với các ví dụ. Bạn cũng có thể xem các bài viết sau để tìm hiểu thêm –