Trong bài viết này, tôi sẽ giải thích cú pháp của hàm numpy sum(), các đối số khác nhau mà hàm này sử dụng và cách sử dụng hàm này bằng các ví dụ như cách tính các giá trị tổng của mảng đã cho. Để biết thêm ví dụ về NumPy, hãy tham khảo Hướng dẫn NumPy Show
1. Ví dụ nhanh về Hàm NumPy SumNếu bạn đang vội, dưới đây là một số ví dụ nhanh về cách sử dụng hàm sum() của NumPy
2. Cú pháp tổng()Sau đây là cú pháp của hàm sum()
2. 1 Các tham số của sum()Dưới đây là các tham số của hàm sum()
2. 2 Giá trị trả về của tổng()Nó trả về một mảng, nó chứa tổng các phần tử của mảng đầu vào cùng với trục đã chỉ định. Nếu trục = Không thì nó sẽ trả về một giá trị vô hướng 3. Cách sử dụng hàm NumPy sum()Hàm sum() trong gói NumPy của Python dùng để tính tổng tất cả các phần tử, tổng từng hàng, tổng từng cột của một mảng cho trước. 3. 1 Lấy Tổng của Mảng 1-DHãy xem cách tính tổng của tất cả các phần tử của mảng 1 chiều. Để làm như vậy trước tiên, hãy khởi tạo mảng 1-D NumPy bằng cách sử dụng 8 và chuyển mảng này làm đầu vào cho hàm sum()
3. 2 Lấy tổng của mảng 2 chiềuHãy tính tổng tất cả các phần tử của mảng 2 chiều. Khi sử dụng mảng 2 chiều, nó xem xét tất cả các giá trị trong mảng để tính tổng và trả về một giá trị vô hướng. Nó coi 9 theo mặc định. Lưu ý rằng nó không tính tổng của từng hàng hoặc tổng của từng cột thay vào đó tính tổng của tất cả các giá trị
4. Lấy tổng của mỗi cột của mảng 2 chiềuĐể tính tổng cho từng cột của mảng NumPy, hãy chỉ định 0. Điều này giúp bạn tính tổng dọc theo trục cột khi bạn có mảng 2 chiều. Điều này trả về ndarray có kích thước bằng với số lượng cột trong mảng của bạn
5 Lấy Tổng của Mỗi Hàng của Mảng 2-DTương tự, để tính tổng cho mỗi hàng, hãy chỉ định 1. Điều này giúp bạn tính tổng dọc theo trục hàng. Điều này trả về ndarray có kích thước bằng với số hàng trong mảng của bạn
6. Chỉ định loại giá trị trả vềTheo mặc định, kiểu trả về của NumPy 3 do đó, kết quả cũng ở kiểu int. Hãy thay đổi điều này bằng cách chỉ định đối số dtype. Sử dụng đối số này, bạn có thể chỉ định kiểu trả về của hàm sum()Ví dụ sau tính tổng cho mỗi hàng và trả về tổng ở kiểu float
7. Xem xét giá trị ban đầu cho NumPy sum()Bạn cũng có thể bắt đầu tính tổng với một giá trị ban đầu khác 0 bằng cách sử dụng đối số 1. Khi được sử dụng đối số 1, tổng () bắt đầu với giá trị ban đầu này và thêm tất cả các phần tử vào đó để nhận tổng/giá trị tổng cuối cùng
8. Nhận tổng bằng cách sử dụng np. NaNNếu bạn có các giá trị 6 trong mảng của mình, việc áp dụng hàm sum() sẽ dẫn đến kết quả đầu ra là 7. Để khắc phục điều này, hãy sử dụng hàm 8, nansum() được sử dụng để tính tổng của mảng bỏ qua các giá trị nan. Hàm này cũng được sử dụng để tính tổng tất cả các phần tử, tổng từng hàng và tổng từng cột của một mảng nhất định bằng cách bỏ qua các giá trị NaN
7. Phần kết luậnTrong bài viết này, tôi đã giải thích cách sử dụng hàm tổng Python NumPy(). Sử dụng hàm này để tính tổng của các phần tử mảng cùng với trục, kiểu dữ liệu và giá trị ban đầu đã chỉ định với các ví dụ. Và cũng tìm hiểu điều gì sẽ xảy ra nếu bạn có các giá trị NaN trong mảng và cách khắc phục điều này bằng cách sử dụng hàm nansum() Bạn có thể sử dụng tổng trên một mảng trong Python không?Cú pháp hàm numpy sum() của Python
. Nếu trục không được cung cấp, tổng của tất cả các phần tử được trả về. Nếu trục là một bộ số nguyên, tổng của tất cả các phần tử trong các trục đã cho được trả về. Chúng ta có thể chỉ định dtype để chỉ định kiểu dữ liệu đầu ra được trả về. The array elements are used to calculate the sum. If the axis is not provided, the sum of all the elements is returned. If the axis is a tuple of ints, the sum of all the elements in the given axes is returned. We can specify dtype to specify the returned output data type.
sum() sum() trong Python là gì?Hàm Python sum()
. returns a number, the sum of all items in an iterable.
Sum() có được xây dựng trong Python không?Hàm tích hợp sẵn của Python sum() là một cách hiệu quả và theo phong cách Pythonic để tính tổng một danh sách các giá trị số. Cộng nhiều số với nhau là một bước trung gian phổ biến trong nhiều phép tính, vì vậy sum() là một công cụ khá tiện dụng cho lập trình viên Python. |