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