Python dask.array.sum用法及代碼示例

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

給定軸上的數組元素之和。

此文檔字符串是從 numpy.sum 複製的。

可能存在與 Dask 版本的一些不一致之處。

參數：

a：array_like

要總結的元素。

axis：無或整數或整數元組，可選

沿其執行求和的軸。默認值，axis=None，將對輸入數組的所有元素求和。如果軸為負數，則從最後一個軸計數到第一個軸。

如果axis是整數元組，則對元組中指定的所有軸執行求和，而不是像以前那樣對單個軸或所有軸執行求和。

dtype：dtype，可選

返回數組的類型和元素相加的累加器的類型。默認情況下使用a 的dtype，除非a 的整數dtype 的精度低於默認平台整數。在這種情況下，如果a 有符號則使用平台整數，而如果a 無符號則使用與平台整數具有相同精度的無符號整數。

out：ndarray，可選

用於放置結果的替代輸出數組。它必須具有與預期輸出相同的形狀，但如果需要，輸出值的類型將被強製轉換。

keepdims：布爾型，可選

如果將其設置為 True，則縮小的軸將作為尺寸為 1 的尺寸留在結果中。使用此選項，結果將針對輸入數組正確廣播。

如果傳遞了默認值，那麽 keepdims 將不會傳遞給 ndarray 的子類的 sum 方法，但是任何非默認值都會傳遞。如果 sub-class' 方法未實現 keepdims，則將引發任何異常。

initial：標量，可選(Dask 中不支持)

總和的起始值。有關詳細信息，請參閱~numpy.ufunc.reduce。

where：數組 of bool，可選(在 Dask 中不支持)

要包含在總和中的元素。有關詳細信息，請參閱~numpy.ufunc.reduce。

sum_along_axis：ndarray: 與 a 具有相同形狀的數組，已刪除指定的軸。如果 a 是一個 0 維數組，或者如果 axis 是 None，則返回一個標量。如果指定了輸出數組，則返回對out 的引用。

注意：

使用整數類型時算術是模塊化的，溢出時不會引發錯誤。

空數組的和是中性元素 0：

>>> np.sum([])  
0.0

對於浮點數， sum (和 np.add.reduce )的數值精度通常受到直接將每個數字單獨添加到結果中的限製，從而導致每一步的舍入誤差。但是，numpy 通常會使用數值更好的方法(部分成對求和)，從而提高許多use-cases 的精度。當沒有給出 axis 時，總是會提供這種改進的精度。當給定axis 時，將取決於對哪個軸求和。從技術上講，為了提供可能的最佳速度，僅當求和沿內存中的快軸時才使用改進的精度。請注意，確切的精度可能會因其他參數而異。與 NumPy 相比，Python 的 math.fsum 函數使用更慢但更精確的求和方法。尤其是在對大量較低精度的浮點數求和時，例如 float32 ，數值錯誤會變得很嚴重。在這種情況下，建議使用 dtype=”float64” 以使用更高的輸出精度。

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，就會發生溢出：

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

您還可以使用非零值開始求和：

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

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.array.sum。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

例子：