pythonnumpysum

① python如何對二維數組求和

Python對二維數組求和的方法：首先定義好一個二維數組；然後使用map函數對數組里每一個元素進行sum操作即可對二維數組求和。

關於二維數組求和的幾種方法：

a = [[1,2],[3,4],[5,6]]

方法一 sum(map(sum,a))

map(func,a) 函數是對a中的每一個元素進行sum操作

解釋一下map函數， map(fund, a) equals [func(i) for i in a] and return a list

方法二 sum(sum(i) for i in a)

方法三 sum(sum(a[i]) for i in range(len(a)))

方法四 rece(lambda x,y:x+y , rece(lambda x,y:x+y, a))

解釋一下rece(fun,a),rece返回的是一個結果值而不是一個list，第一步的時候是（［1，2］＋［3，4］） ＋ ［5，6］

得到一個［1，2，3，4，5，6］， 然後進行的運算是（（（（（1+2）＋3）＋4）＋5）＋6） ＝ 21

一般來說最常用的還是1和3這兩種方法，不知道map or rece, 一般都會採用3， 而知道的應該會採用1，比較簡潔。

推薦課程：Python核心基礎(尚矽谷)

② python相關性分析如何生成兩個相關性最強的兩門

方法/步驟

• 第一步我們首先需要知道相關性主要有兩個方向，一個是正方向一個是負方向，相關性系數是衡量兩個變數之間影響程度，如下圖所示：

  

③ （Python）numpy 常用操作

不放回取樣：
從列表ori中不放回地取n個數

通過這種操作，我們可以獲得一個二維列表的子集：
（如果這個二維列表是圖的鄰接矩陣，那麼就是對圖進行隨機采樣，獲得一個圖的子圖）

首先要注意，"+" 操作對於list和numpy.array是完全不同的
python 中的list，"+"代表拼接:

在numpy.array中，"+"代表矩陣相加

keepdim指的是維度不變，常在sum中使用。如：

會發現，keepdim之後還是二維的

這里要注意，pytorch和numpy里max()函數的返回值是不同的
pytorch:

也就是說，max(1)代表求第一維的最大值，對於二維數組來說，就是求縱向的最大值，然後，第一個返回值是最大值所形成數組，第二個返回值是最大值所在的索引。這一個技巧在機器學習的分類任務中很常用，比如我們的分類任務是把數據分成m類，那麼最終我們模型的輸出是m維的，對於n個樣本就是n*m，如果要判斷我們的模型最終的分類結果，就是找n個樣本里，每個樣本m維輸出的最大值索引，代表樣本是這個類的可能性最大。我們可以方便地用這種方式找到最大值地索引：

其中test_out是模型輸出，predict_y則是分類結果
另外一點要注意的是，numpy與pytorch不同，numpy的max()只有一個返回值：

也就是說，numpy.max()不會返回最大值所在的索引

④ Python,的numpy模塊中有沒有 階乘函數

有階乘函數，Numpy中，mat必須是2維的,但是array可以是多維的（1D，2D，3D····ND）. Matrix是Array的一個小的分支，包含於Array。所以matrix 擁有array的所有特性。

在numpy中matrix的主要優勢是：相對簡單的乘法運算符號。例如，a和b是兩個matrices，那麼a*b，就是矩陣積。

若a=mat([1,2,3])是矩陣，則 a.A 則轉換成了數組，反之，a.M則轉換成了矩陣。

(4)pythonnumpysum擴展閱讀：

常用的Numpy運算：

取矩陣中的某一行ss[1,:]或該行的某兩列ss[1,0:2]

將數組轉換成矩陣randMat=mat(random.rand(4,4))

矩陣求逆randMat.I

單位陣eye(4)

零矩陣zeros((x,y))建立x行y列的零矩陣。

最大值和最小值a.max(),a.min(),而a.max(0)表示按列選取每列的最大值。最大/小元素的下標a.argmax(),a.argmin()

#作為方法x.sum() #所有元素相加x.sum(axis=0) #按列相加x.sum(axis=1) #按行相加#作為函數sum(a,axis=0)ss.mean()

mean(a,axis=0(或1)) #按列或行求均值var(a)var(a,axis=0(或1)) #按列或行求方差。

std(a)std(a,axis=0(或1)) #按列或行求標准差ss.T或ss.transpose() #轉置。

⑤ python numpy查詢數組是否有某個數的總個數

importnumpyasnp

a=np.ones((4,5))
print(a)
print(np.sum(a==1))

假定數組為a

可以先試用a==某個數，轉換為一個包含True或者False的數字，

等於該樹則為True，不等於則為False

True又可以當作1，False可以當作0

使用np.sum求和可以得到等於該數的總個數

⑥ Python中Numpy庫中的np.sum怎麼理解

c = np.array([[[0, 1, 2,3],
[4, 5, 6,7]],
[[1, 2, 3,4],
[5,6,7,8]]]

print( c.sum(axis=0))
print( c.sum(axis=1))
print( c.sum(axis=2))

一個不是很簡單，但是很好理解的方法是：你的輸入矩陣的shape是(2,2,4)，那麼當axis=0時，就是在第一個dimension上進行求和，最後得到的結果的shape就是去掉第一個dimension後的shape，也就是(2,4)。具體的計算方法則是，對於c[i,j,k]，假設輸出矩陣為s[j,k]，第一個dimension求和那麼就是
s[j,k]=∑i(c[i,j,k])

如果axis=1，那麼輸出shape就是去掉第二個dim，也就是(2,4)，計算是 s[i,k]=sumj(c[i,j,k])
如果axis=2，那麼輸出shape就是去掉第三個dim，也就是(2,2)，計算是 s[i,j]=sumk(c[i,j,k])
在數據處理裡面經常會碰到高維數據，通過二維矩陣去想它的計算方法就很難了，這個時候只要按axis對應的維度求和，其他維度的位置和形狀不變，最後把shape去掉對應維度就能理解了