python数组求和

Posted 2023-05-07

1.对一个数组的所有元素求和怎么做
例如a=[1,2,3,4,5,5,6,7,8,8,9,0]
要求出a中所有元素的和。（遍历的方法除外，要简单点的）
2.对二维数组的每个列求和
例如：
a=[[1,2],[3,4],[5,6],[7,8]]
如何分别求1,3,5,7和2,4,6,8的和？
求大神指点，谢谢

在数组和矩阵中使用sum: 对数组b和矩阵c,代码b.sum()，np.sum(b),c.sum(),np.sum(c)都能将b、c中的所有元素求和并返回单个数值。

但是对于二维数组b，代码b.sum(axis=0)指定对数组b对每列求和，b.sum(axis=1)是对每行求和，返回的都是一维数组（维度降了一维）。

而对应矩阵c，c.sum(axis=0)和c.sum(axis=1)也能实现对列和行的求和，但是返回结果仍是二维矩阵。

# 定义函数，arr 为数组，n 为数组长度，可作为备用参数，这里没有用到。

def _sum(arr,n): 

# 使用内置的 sum 函数计算。

return(sum(arr))   

# 调用函数

arr=[] 

# 数组元素

arr = [12, 3, 4, 15] 

# 计算数组元素的长度

n = len(arr) 

ans = _sum(arr,n) 

# 输出结果

print ('数组元素之和为',ans) 

扩展资料：

python数组使用：

python 数组支持所有list操作，包括 .pop、.insert 和 .extend。另外，数组还提供从文件，读取和存入文件的更快的方法，列如如 .frombytes 和 .tofile，如下所示我们定义一个数组。

from array import arrayarr=array('d',(a for a in range(5)))print(arr)。

arr=array('d',(a for a in range(5))) 从这个代码中可以看出，一个数组的定义需要传入的不只是值还有类型。

可以是(must be c, b, B, u, h, H, i, I, l, L, f or d)。

参考技术A >>> a=[1,2,3,4,5,5,6,7,8,8,9,0]
>>> sum(a)
58
>>> a=[[1,2],[3,4],[5,6],[7,8]]
>>> b,c=zip(*a)
>>> print b, c

(1, 3, 5, 7) (2, 4, 6, 8)
>>> print sum(b), sum(c)
16 20
>>>本回答被提问者采纳 参考技术B

sum=0

for i in a:

    sum=sum+i

print sum




sum1st=0

       sum2nd=0

       for (first,second) in a:

           sum1st=sum1st+first

           sum2nd=sum2nd+second

       print sum1st,sum2nd

   

在 python 中将 4D 数组与 2D 数组相乘和求和的最快方法？

【中文标题】在 python 中将 4D 数组与 2D 数组相乘和求和的最快方法？

【英文标题】：Fastest way to multiply and sum 4D array with 2D array in python?

【发布时间】：2022-01-20 11:04:54

【问题描述】：

这是我的问题。我有两个矩阵A 和B，具有复杂的条目，维度分别为(n,n,m,m) 和(n,n)。

下面是我为得到一个矩阵C而执行的操作-

C = np.sum(B[:,:,None,None]*A, axis=(0,1))

计算一次以上大约需要 6-8 秒。因为我必须计算很多这样的Cs，所以需要很多时间。有没有更快的方法来做到这一点？ （我在多核 CPU 上使用 JAX NumPy 来做这些；普通的 NumPy 需要更长的时间）

n=77 和 m=512，如果您想知道的话。我可以在处理集群时进行并行化，但是数组的绝对大小会消耗大量内存。

【参考方案1】：

看起来你想要einsum:

C = np.einsum('ijkl,ij->kl', A, B)

在 Colab CPU 上使用 numpy 我得到了这个：

import numpy as np
x = np.random.rand(50, 50, 500, 500)
y = np.random.rand(50, 50)

def f1(x, y):
  return np.sum(y[:,:,None,None]*x, axis=(0,1))

def f2(x, y):
  return np.einsum('ijkl,ij->kl', x, y)

np.testing.assert_allclose(f1(x, y), f2(x, y))

%timeit f1(x, y)
# 1 loop, best of 5: 1.52 s per loop
%timeit f2(x, y)
# 1 loop, best of 5: 620 ms per loop