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/