dask.array.sum

dask.array.sum¶

dask.array.sum(a, axis=None, dtype=None, keepdims=False, split_every=None, out=None)[源代码]¶

在给定轴上数组元素的总和。

此文档字符串是从 numpy.sum 复制的。

Dask 版本可能存在一些不一致性。

参数

aarray_like

要相加的元素。

轴None 或 int 或 int 的元组，可选

执行求和操作的轴或轴。默认情况下，axis=None 将对输入数组的所有元素求和。如果轴为负数，则从最后一个轴开始计数到第一个轴。

1.7.0 新版功能.

如果 axis 是一个整数的元组，则会在元组中指定的所有轴上执行求和，而不是像之前那样只在一个轴或所有轴上执行。

dtypedtype, 可选

返回数组的类型以及累加器中元素求和的类型。默认情况下使用 a 的 dtype，除非 a 具有精度低于默认平台整数的整数 dtype。在这种情况下，如果 a 是有符号的，则使用平台整数；如果 a 是无符号的，则使用与平台整数精度相同的无符号整数。

出ndarray，可选

可选的输出数组，用于放置结果。它必须与预期输出的形状相同，但如果需要，输出值的类型将被强制转换。

keepdimsbool, 可选

如果设置为True，被减少的轴将作为尺寸为1的维度保留在结果中。通过此选项，结果将正确地与输入数组进行广播。

如果传递了默认值，那么 keepdims 将不会传递给 ndarray 子类的 sum 方法，然而任何非默认值都会被传递。如果子类的方法没有实现 keepdims，任何异常都会被引发。

初始标量，可选（Dask 中不支持）

求和的起始值。详情请参见 ~numpy.ufunc.reduce。

1.15.0 新版功能.

哪里array_like 的布尔值，可选（Dask 不支持）

要包含在总和中的元素。详情请参见 ~numpy.ufunc.reduce。

1.17.0 新版功能.

返回

沿轴求和ndarray: 一个与 a 形状相同的数组，但指定的轴被移除。如果 a 是一个 0-d 数组，或者 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。

参见

ndarray.sum: 等效方法。
add: numpy.add.reduce 等效函数。
cumsum: 数组元素的累计和。
trapezoid: 使用复合梯形法则集成数组值。
mean, average

注释

使用整数类型时，算术是模运算，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，求和（以及 np.add.reduce）的数值精度通常受限于直接将每个数逐个加到结果中，这会在每一步导致舍入误差。然而，通常numpy会使用一种数值上更好的方法（部分成对求和），从而在许多用例中提高精度。当没有给出 axis 时，这种提高的精度总是提供的。当给出 axis 时，精度将取决于求和的轴。从技术上讲，为了提供尽可能快的速度，只有在沿内存中的快速轴求和时才会使用提高的精度。请注意，精确的精度可能会根据其他参数而变化。与NumPy相比，Python的 math.fsum 函数使用了一种较慢但更精确的求和方法。特别是在对大量低精度浮点数（如 float32）求和时，数值误差可能会变得显著。在这种情况下，建议使用 dtype=”float64” 以使用更高的精度进行输出。

示例

>>> import numpy as np  
>>> 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，会发生溢出：

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

你也可以从非零值开始求和：

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

dask.array.subtract

dask.array.swapaxes