numpy.cumulative_sum#

numpy.cumulative_sum(x, /, *, axis=None, dtype=None, out=None, include_initial=False)[源代码]#

返回沿给定轴的元素的累积和.

此函数是与 numpy.cumsum 兼容的数组 API 替代方案.

参数:
xarray_like

输入数组.

axisint, 可选

计算累积和的轴.默认值（None）仅允许用于一维数组.对于多于一维的数组,``axis`` 是必需的.

dtypedtype, 可选

返回的数组类型以及元素累加的累加器类型.如果未指定 dtype,则默认为 x 的 dtype,除非 x 具有精度低于默认平台整数精度的整数 dtype.在这种情况下,使用默认平台整数.

outndarray, 可选

要在其中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和缓冲区长度,但如有必要,类型将被强制转换.有关更多详细信息,请参见 输出类型确定.

include_initialbool, 可选

布尔值,指示是否将初始值（1）作为输出中的第一个值包含在内.使用 include_initial=True 时,输出的形状与输入的形状不同.默认值:False.

返回:
cumulative_sum_along_axisndarray

除非指定了 out ,否则将返回一个包含结果的新数组,在这种情况下,将返回对 out 的引用.如果 include_initial=False ,结果将具有与 x 相同的形状.

参见

sum

求数组元素的和.

trapezoid

使用复合梯形法则集成数组值.

diff

计算沿给定轴的第 n 次离散差分.

备注

使用整数类型时,算术是模运算,溢出时不会引发错误.

cumulative_sum(a)[-1] 对于浮点值可能不等于 sum(a),因为 sum 可能使用成对求和程序,减少了舍入误差.更多信息请参见 sum.

示例

>>> a = np.array([1, 2, 3, 4, 5, 6])
>>> a
array([1, 2, 3, 4, 5, 6])
>>> np.cumulative_sum(a)
array([ 1,  3,  6, 10, 15, 21])
>>> np.cumulative_sum(a, dtype=float)  # specifies type of output value(s)
array([  1.,   3.,   6.,  10.,  15.,  21.])

>>> b = np.array([[1, 2, 3], [4, 5, 6]])
>>> np.cumulative_sum(b,axis=0)  # sum over rows for each of the 3 columns
array([[1, 2, 3],
       [5, 7, 9]])
>>> np.cumulative_sum(b,axis=1)  # sum over columns for each of the 2 rows
array([[ 1,  3,  6],
       [ 4,  9, 15]])

cumulative_sum(c)[-1] 可能不等于 sum(c)

>>> c = np.array([1, 2e-9, 3e-9] * 1000000)
>>> np.cumulative_sum(c)[-1]
1000000.0050045159
>>> c.sum()
1000000.0050000029
On this page