快捷導(dǎo)航

python cumsum函數(shù)的具體使用

更新時間：2019年07月29日 14:26:56 作者：banana10060342

這篇文章主要介紹了python cumsum函數(shù)的具體使用，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

這個函數(shù)的功能是返回給定axis上的累計和函數(shù)的原型如下：詳見 doc

numpy.cumsum(a, axis=None, dtype=None, out=None)
Return the cumulative sum of the elements along a given axis.

官方的文檔是沒有詳細(xì)解釋，本人做了測試自己把理解的寫下。

1.對于一維輸入a（可以是list，可以是array，假設(shè)a=[1, 2, 3, 4, 5, 6, 7] ，就是當(dāng)前列之前的和加到當(dāng)前列上，如下：

>>>import numpy as np
>>> a=[1,2,3,4,5,6,7]
>>> np.cumsum(a)
array([ 1,  3,  6, 10, 15, 21, 28, 36, 45, 55, 75, 105])

2.對于二維輸入a，axis=0(第1行不動，將第1行累加到其他行)；axis=1(進(jìn)入最內(nèi)層，轉(zhuǎn)化成列處理。第1列不動，將第1列累加到其他列)，如下：

>>>import numpy as np
>>> c=[[1,2,3],[4,5,6],[7,8,9]]
>>> np.cumsum(c,axis=0)
array([[ 1, 2, 3],
    [ 5, 7, 9],
    [12, 15, 18]])
>>> np.cumsum(c,axis=1)
array([[ 1, 3, 6],
    [ 4, 9, 15],
    [ 7, 15, 24]])

3.對于三維輸入a, axis=0 (第1行不動，將第1行累加到其他行)； axis=1(進(jìn)入第2層，每個第二層第1行不動，累加到其他行)； axis=2(進(jìn)入最內(nèi)層，轉(zhuǎn)化成列處理。第1列不動，將其累加到其他列)，注意維數(shù)從外到內(nèi)是0-2編號，如下：

>>>import numpy as np
>>> a
[[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 20, 30]]]
>>> np.cumsum(a,axis=0)
array([[[ 1, 2, 3],
    [ 4, 5, 6]],
 
    [[ 8, 10, 12],
    [14, 25, 36]]])
>>> np.cumsum(a,axis=1)
array([[[ 1, 2, 3],
    [ 5, 7, 9]],
 
    [[ 7, 8, 9],
    [17, 28, 39]]])
>>> np.cumsum(a,axis=2)
array([[[ 1, 3, 6],
    [ 4, 9, 15]],
 
    [[ 7, 15, 24],
    [10, 30, 60]]])

a是一個 2 x 2 x 3 的 list，解釋起來有點(diǎn)麻煩，先把 a 變種風(fēng)格

[ //axis=0
       [//axis=1。同時是axis=0所對應(yīng)的第 1 行，注意是此中括號包含的整個內(nèi)容
          [1, 2, 3], //axis=2。同時是 axis=1所對的第1行
          [4, 5, 6] //axis=2
       ],
       [//axis=1。同時是axis=0所對應(yīng)的第 2行
          [7, 8, 9], //axis=2。同時是 axis=1所對的第1行
          [10, 20, 30] //axis=2
       ],
   ]

axis=0說明，第1維度，包含2行，綠色中括號的list，第1行(也就是由1,2,3,4,5,6組成的list)不動，累加到第二行，注意是累加
axis=1說明，第2維度, 每個綠色中括號里第1行不變，也就是 [1,2,3]和[7,8,9]不動，累加到同兄弟行（同屬一個中括號的行）
axis=2說明，第3維度，也是最內(nèi)層，轉(zhuǎn)化成列處理，紫色數(shù)字所在列不動，累加到其他列上

對于更高維度，可以參考3維來從外向內(nèi)剝離的方式理解

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: