当变量维数加大时很难想象是怎样按不同维度求和的，高清楚一个，其他的应该就很清楚了，什么都不说了，上例子，例子一看便明白…..
|
1
2
3
|
a=range(27)a=np.array(a)a=np.reshape(a,[3,3,3]) |
输出a的结果是：
|
1
2
3
4
5
6
7
8
9
|
array([[[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8]], [[ 9, 10, 11], [12, 13, 14], [15, 16, 17]], [[18, 19, 20], [21, 22, 23], [24, 25, 26]]]) |
我们来看看 aa=np.sum(a,-1)的输出：
|
1
2
3
4
|
array([[ 3, 12, 21], [30, 39, 48], [57, 66, 75]]) bb=np.sum(a,2) 的输出 |
|
1
2
3
|
array([[ 3, 12, 21], [30, 39, 48], [57, 66, 75]]) |
cc=np.sum(a,0)的输出：
|
1
2
3
|
array([[27, 30, 33], [36, 39, 42], [45, 48, 51]]) |
cc=np.sum(a,1)的输出：
|
1
2
3
|
array([[ 9, 12, 15], [36, 39, 42], [63, 66, 69]]) |
第-1个维度与第2个维度是一样的，第-1个维度实际是指最后一个维度。
以上这篇python 按不同维度求和,最值,均值的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/whitesilence/article/details/75071780
