如何使用 NumPy 求和函数？

在数据分析和科学计算中，常常需要对一组数据执行求和操作。NumPy 是一个强大的 Python 库，可以用于高效地处理大型数组和矩阵。NumPy 中提供了多种求和函数，本文将介绍如何使用 NumPy 中的求和函数。

1. np.sum()

np.sum() 是 NumPy 中最基本的求和函数。它的语法如下：

np.sum(a, axis=None, dtype=None, keepdims=<no value>)

参数说明：

• a：要计算和的数组
• axis：要沿着哪个轴计算和。默认为 None，计算数组所有元素的和；如果指定了轴，则只计算该轴上的和。
• dtype：指定输出数组的类型。如果不指定，将使用 a 的类型。
• keepdims：是否保留维度。如果为 True，则会保留和所在的维度。

示例如下：

import numpy as np

a = np.array([[1, 2], [3, 4]])

# 计算所有元素的和
print(np.sum(a))   # 输出：10

# 沿着行的方向计算和
print(np.sum(a, axis=0))   # 输出：[4 6]

# 沿着列的方向计算和
print(np.sum(a, axis=1))   # 输出：[3 7]

2. np.cumsum()

np.cumsum() 是 NumPy 中的累加函数，它可以计算数组的所有元素的累加和。它的语法如下：

np.cumsum(a, axis=None, dtype=None)

参数说明：

• a：要计算累加和的数组。
• axis：计算维度。默认为 None，计算所有元素的累加和。
• dtype：返回数组的类型。如果不指定，将使用 a 的类型。

示例如下：

import numpy as np

a = np.array([1, 2, 3, 4])

# 计算所有元素的累加和
print(np.cumsum(a))   # 输出：[ 1  3  6 10]

3. np.nansum()

np.nansum() 与 np.sum() 的功能类似，但是它会忽略数组中的 NaN 值。它的语法和 np.sum() 相同。

import numpy as np

a = np.array([1, np.nan, 3])

# 计算所有元素的和，忽略 NaN 值
print(np.nansum(a))   # 输出：4.0

以上就是 NumPy 中的三种求和函数的用法。通过使用这些函数，可以高效地计算数组和矩阵中的元素和，提高数据分析和科学计算的效率。