Python dask.array.sum用法及代码示例

用法: dask.array.sum(a, axis=None, dtype=None, keepdims=False, split_every=None, out=None)

给定轴上的数组元素之和。

此文档字符串是从 numpy.sum 复制的。

可能存在与 Dask 版本的一些不一致之处。

参数：

a：array_like

要总结的元素。

axis：无或整数或整数元组，可选

沿其执行求和的轴。默认值，axis=None，将对输入数组的所有元素求和。如果轴为负数，则从最后一个轴计数到第一个轴。

如果axis是整数元组，则对元组中指定的所有轴执行求和，而不是像以前那样对单个轴或所有轴执行求和。

dtype：dtype，可选

返回数组的类型和元素相加的累加器的类型。默认情况下使用a 的dtype，除非a 的整数dtype 的精度低于默认平台整数。在这种情况下，如果a 有符号则使用平台整数，而如果a 无符号则使用与平台整数具有相同精度的无符号整数。

out：ndarray，可选

用于放置结果的替代输出数组。它必须具有与预期输出相同的形状，但如果需要，输出值的类型将被强制转换。

keepdims：布尔型，可选

如果将其设置为 True，则缩小的轴将作为尺寸为 1 的尺寸留在结果中。使用此选项，结果将针对输入数组正确广播。

如果传递了默认值，那么 keepdims 将不会传递给 ndarray 的子类的 sum 方法，但是任何非默认值都会传递。如果 sub-class' 方法未实现 keepdims，则将引发任何异常。

initial：标量，可选(Dask 中不支持)

总和的起始值。有关详细信息，请参阅~numpy.ufunc.reduce。

where：数组 of bool，可选(在 Dask 中不支持)

要包含在总和中的元素。有关详细信息，请参阅~numpy.ufunc.reduce。

sum_along_axis：ndarray: 与 a 具有相同形状的数组，已删除指定的轴。如果 a 是一个 0 维数组，或者如果 axis 是 None，则返回一个标量。如果指定了输出数组，则返回对out 的引用。

注意：

使用整数类型时算术是模块化的，溢出时不会引发错误。

空数组的和是中性元素 0：

>>> np.sum([])  
0.0

对于浮点数， sum (和 np.add.reduce )的数值精度通常受到直接将每个数字单独添加到结果中的限制，从而导致每一步的舍入误差。但是，numpy 通常会使用数值更好的方法(部分成对求和)，从而提高许多use-cases 的精度。当没有给出 axis 时，总是会提供这种改进的精度。当给定axis 时，将取决于对哪个轴求和。从技术上讲，为了提供可能的最佳速度，仅当求和沿内存中的快轴时才使用改进的精度。请注意，确切的精度可能会因其他参数而异。与 NumPy 相比，Python 的 math.fsum 函数使用更慢但更精确的求和方法。尤其是在对大量较低精度的浮点数求和时，例如 float32 ，数值错误会变得很严重。在这种情况下，建议使用 dtype=”float64” 以使用更高的输出精度。

例子：

>>> np.sum([0.5, 1.5])  
2.0
>>> np.sum([0.5, 0.7, 0.2, 1.5], dtype=np.int32)  
1
>>> np.sum([[0, 1], [0, 5]])  
6
>>> np.sum([[0, 1], [0, 5]], axis=0)  
array([0, 6])
>>> np.sum([[0, 1], [0, 5]], axis=1)  
array([1, 5])
>>> np.sum([[0, 1], [np.nan, 5]], where=[False, True], axis=1)  
array([1., 5.])

如果累加器太小，就会发生溢出：

>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)  
-128

您还可以使用非零值开始求和：

>>> np.sum([10], initial=5)  
15

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.array.sum。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：