如何计算二维numpy数组所有列的总和（高效）

问题描述：

假设我有以下由四行和三列组成的二维 numpy 数组：

>>> a = numpy.arange(12).reshape(4,3)
>>> print(a)
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

生成包含所有列之和的一维数组的有效方法是什么（如[18, 22, 26]）？ 无需循环遍历所有列就可以做到这一点吗？

解决方案 1：

查看 的文档numpy.sum，特别注意axis参数。对列求和：

>>> import numpy as np
>>> a = np.arange(12).reshape(4,3)
>>> a.sum(axis=0)
array([18, 22, 26])

或者，对行求和：

>>> a.sum(axis=1)
array([ 3, 12, 21, 30])

其他聚合函数，例如numpy.mean，numpy.cumsum和numpy.std，也接受axis参数。

来自暂定的Numpy教程：

许多一元运算（例如计算数组中所有元素的总和）都是作为ndarray类的方法实现的。默认情况下，这些操作应用于数组，就像它是数字列表一样，无论其形状如何。但是，通过指定axis
参数，您可以沿数组的指定轴应用操作：

解决方案 2：

对列求和的其他方法包括

numpy.einsum('ij->j', a)

和

numpy.dot(a.T, numpy.ones(a.shape[0]))

如果行数和列数处于相同的数量级，则所有可能性的速度大致相同：

然而，如果只有几列，einsum和dot解决方案都明显优于 numpy sum（注意对数尺度）：

重现情节的代码：

import numpy
import perfplot


def numpy_sum(a):
    return numpy.sum(a, axis=1)


def einsum(a):
    return numpy.einsum('ij->i', a)


def dot_ones(a):
    return numpy.dot(a, numpy.ones(a.shape[1]))


perfplot.save(
    "out1.png",
    # setup=lambda n: numpy.random.rand(n, n),
    setup=lambda n: numpy.random.rand(n, 3),
    n_range=[2**k for k in range(15)],
    kernels=[numpy_sum, einsum, dot_ones],
    logx=True,
    logy=True,
    xlabel='len(a)',
    )

解决方案 3：

使用以下axis论点：

>> numpy.sum(a, axis=0)
  array([18, 22, 26])

解决方案 4：

numpy.sum对于你的情况，使用.

sum = a.sum(axis=0)

解决方案 5：

然后 NumPysum函数采用一个可选的轴参数，该参数指定您希望沿哪个轴执行求和：

>>> a = numpy.arange(12).reshape(4,3)
>>> a.sum(0)
array([18, 22, 26])

或者，等效地：

>>> numpy.sum(a, 0)
array([18, 22, 26])

解决方案 6：

a.sum(0)

应该可以解决问题。它是二维的np.array，您将得到所有列的总和。axis=0是指向下方的维度和axis=1指向右侧的维度。