【pythonノート】:2.PythonのNumpyライブラリのnp.sum(array,axis=(0,1,2))はどのように理解しますか?

原理の参考:https://segmentfault.com/q/1010000010111006
簡単ではありませんが、よく理解できる方法は、あなたの入力マトリクスのshapeが(2,2,4)である場合、axis=0の場合、最初のdimensionで和を求め、最後に得られた結果のshapeは、最初のdimensionを取り除いたshape、すなわち(2,4)です.具体的な計算方法は,c[i,j,k]について,出力行列がs[j,k]であると仮定し,最初のdimension加算である.
s[j,k]=∑i(c[i,j,k]) s [ j , k ] = ∑ i ( c [ i , j , k ] )
axis=1の場合、出力shapeは2番目のdim、すなわち(2,4)を削除し、計算は
s[i,k]=sumj(c[i,j,k]) s [ i , k ] = s u m j ( c [ i , j , k ] )
axis=2の場合、出力shapeは3番目のdim、すなわち(2,2)を削除し、計算は
s[i,j]=sumk(c[i,j,k]) s [ i , j ] = s u m k ( c [ i , j , k ] )
データ処理では高次元データによく遭遇しますが、2次元マトリクスでその計算方法を考えるのは難しいですが、このときaxis対応の次元で和を求めるだけで、他の次元の位置や形状が変わらず、最後にshapeを対応する次元から外すと理解できます
1.PythonのNumpyライブラリのnp.sum(array,axis=0,1,2...)はどのように理解しますか?

import numpy as np

abc = np.arange(0,24,1).reshape(4,3,2)

print ("    [4 3 2]     ：")

print (abc)

​

print ("
1.           ：")

print (np.sum(abc, axis=(0, )))

print ("    36 0+6+12+18   ，40 1+7+13+19   。       ：axis = 0  ， 4 [3 2]          。")

​

print ("
2.           ：")

print (np.sum(abc, axis = (1,)))

print ("    6 0+2+4   ，9 1+3+5   。       ：axis = 1 ， [4 3 2]     3 3   ，          0 2 4   ，    3   。")

​

print ("
3.           :")

print (np.sum(abc, axis = (2,)))

print ("    1 0+1   ，5 2+3   。       ：axis = 2 ， [4 3 2]      2 2   ，          0 1    ，    2   ")

出力:

    [4 3 2]     ：
[[[ 0  1]
  [ 2  3]
  [ 4  5]]

 [[ 6  7]
  [ 8  9]
  [10 11]]

 [[12 13]
  [14 15]
  [16 17]]

 [[18 19]
  [20 21]
  [22 23]]]

1.           ：
[[36 40]
 [44 48]
 [52 56]]
    36 0+6+12+18   ，40 1+7+13+19   。       ：axis = 0  ， 4 [3 2]          。

2.           ：
[[ 6  9]
 [24 27]
 [42 45]
 [60 63]]
    6 0+2+4   ，9 1+3+5   。       ：axis = 1 ， [4 3 2]     3 3   ，          0 2 4   ，    3   。

3.           :
[[ 1  5  9]
 [13 17 21]
 [25 29 33]
 [37 41 45]]
    1 0+1   ，5 2+3   。       ：axis = 2 ， [4 3 2]      2 2   ，          0 1    ，    2   

2.PythonのNumpyライブラリのnp.sum(array,axis=(0,1,2))はどのように理解しますか?

import numpy as np

abc = np.arange(0,24,1).reshape(4,3,2)

print ("    [4 3 2]     A ：")

print (abc)

print ("
1.          B ：")

d = np.sum(abc, axis=(0, ))

print (d)

e = np.sum(d, axis=(1, ))

print ("
2.  B        C ：")

print (e)

print("
3.  A       ，        D：")

print (np.sum(abc, axis=(0, 2)))

print ("
    ：axis=（0,2）     A[4 3 2]       ，\

    ，    B[3,2]，A        2， B        ,  B[3 2]       C[3,]。\

           C        D    ，        。")

出力:

    [4 3 2]     A ：
[[[ 0  1]
  [ 2  3]
  [ 4  5]]

 [[ 6  7]
  [ 8  9]
  [10 11]]

 [[12 13]
  [14 15]
  [16 17]]

 [[18 19]
  [20 21]
  [22 23]]]

1.          B ：
[[36 40]
 [44 48]
 [52 56]]

2.  B        C ：
[ 76  92 108]

3.  A       ，        D：
[ 76  92 108]

比較説明:axis=(0,2)は配列A[4 3 2]の1次元を先に加算し、加算した後、配列B[3,2]となり、Aの3次元は大きさが2で、Bの中で2次元になったので、B[32]の2次元加算はC[3,]となる.ここで我々が段階的に和を求めて得たCと一歩的に和を求めたDは一致し,我々の推測が正しいことを証明した.
具体的なコードは私のgithub倉庫:JackKuo 666/csdn/python-numpy-sum/PythonのNumpyライブラリのnpにアクセスしてください.sum(array,axis=0,1,2...)はどのように理解しますか?のipynb