如果我有 ndarray
任意形状,我想计算除最后一个轴以外的所有轴的总和,例如,通过执行
all_but_last = tuple(range(arr.ndim - 1))
sum = arr.sum(axis=all_but_last)
现在,
tuple(range(arr.ndim - 1))
我的感觉并不完全直观。有没有更优雅/numpy-esque 的方式来做到这一点?此外,如果我想为多个不同形状的数组执行此操作,我将不得不为每个数组计算一个单独的维度元组。有没有更规范的方式来表达“不管尺寸是多少,只给我一个轴”?
最佳答案
您可以 reshape 数组,使除最后一个轴之外的所有轴都变平(例如,形状 (k, l, m, n)
变为 (k*l*m, n)
),然后在第一个轴上求和。
例如,这是您的计算:
In [170]: arr.shape
Out[170]: (2, 3, 4)
In [171]: arr.sum(axis=tuple(range(arr.ndim - 1)))
Out[171]: array([2.85994792, 2.8922732 , 2.29051163, 2.77275709])
这是替代方案:
In [172]: arr.reshape(-1, arr.shape[-1]).sum(axis=0)
Out[172]: array([2.85994792, 2.8922732 , 2.29051163, 2.77275709])
关于python - numpy:沿除最后一个轴之外的所有轴求和,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51711170/