亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

python cumsum函數(shù)的具體使用

 更新時(shí)間:2019年07月29日 14:26:56   作者:banana10060342  
這篇文章主要介紹了python cumsum函數(shù)的具體使用,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

這個(gè)函數(shù)的功能是返回給定axis上的累計(jì)和函數(shù)的原型如下:詳見 doc

 numpy.cumsum(a, axis=None, dtype=None, out=None)
    Return the cumulative sum of the elements along a given axis.

官方的文檔是沒(méi)有詳細(xì)解釋,本人做了測(cè)試自己把理解的寫下。

1.對(duì)于一維輸入a(可以是list,可以是array,假設(shè)a=[1, 2, 3, 4, 5, 6, 7] ,就是當(dāng)前列之前的和加到當(dāng)前列上,如下:

>>>import numpy as np
>>> a=[1,2,3,4,5,6,7]
>>> np.cumsum(a)
array([ 1,  3,  6, 10, 15, 21, 28, 36, 45, 55, 75, 105])

2.對(duì)于二維輸入a,axis=0(第1行不動(dòng),將第1行累加到其他行);axis=1(進(jìn)入最內(nèi)層,轉(zhuǎn)化成列處理。第1列不動(dòng),將第1列累加到其他列),如下:

>>>import numpy as np
>>> c=[[1,2,3],[4,5,6],[7,8,9]]
>>> np.cumsum(c,axis=0)
array([[ 1, 2, 3],
    [ 5, 7, 9],
    [12, 15, 18]])
>>> np.cumsum(c,axis=1)
array([[ 1, 3, 6],
    [ 4, 9, 15],
    [ 7, 15, 24]])

3.對(duì)于三維輸入a, axis=0 (第1行不動(dòng),將第1行累加到其他行); axis=1(進(jìn)入第2層,每個(gè)第二層第1行不動(dòng),累加到其他行); axis=2(進(jìn)入最內(nèi)層,轉(zhuǎn)化成列處理。第1列不動(dòng),將其累加到其他列),注意維數(shù)從外到內(nèi)是0-2編號(hào),如下:

>>>import numpy as np
>>> a
[[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 20, 30]]]
>>> np.cumsum(a,axis=0)
array([[[ 1, 2, 3],
    [ 4, 5, 6]],
 
    [[ 8, 10, 12],
    [14, 25, 36]]])
>>> np.cumsum(a,axis=1)
array([[[ 1, 2, 3],
    [ 5, 7, 9]],
 
    [[ 7, 8, 9],
    [17, 28, 39]]])
>>> np.cumsum(a,axis=2)
array([[[ 1, 3, 6],
    [ 4, 9, 15]],
 
    [[ 7, 15, 24],
    [10, 30, 60]]])

a是一個(gè) 2 x 2 x 3 的 list,解釋起來(lái)有點(diǎn)麻煩,先把 a 變種風(fēng)格

[ //axis=0
       [//axis=1。同時(shí)是axis=0所對(duì)應(yīng)的第 1 行,注意是此中括號(hào)包含的整個(gè)內(nèi)容
          [1, 2, 3], //axis=2。同時(shí)是 axis=1所對(duì)的第1行
          [4, 5, 6] //axis=2
       ],
       [//axis=1。同時(shí)是axis=0所對(duì)應(yīng)的第 2行
          [7, 8, 9], //axis=2。同時(shí)是 axis=1所對(duì)的第1行
          [10, 20, 30] //axis=2
       ],
   ]

axis=0說(shuō)明,第1維度,包含2行,綠色中括號(hào)的list,第1行(也就是由1,2,3,4,5,6組成的list)不動(dòng),累加到第二行,注意是累加
axis=1說(shuō)明,第2維度,  每個(gè)綠色中括號(hào)里第1行不變,也就是 [1,2,3]和[7,8,9]不動(dòng),累加到同兄弟行(同屬一個(gè)中括號(hào)的行)
axis=2說(shuō)明,第3維度,也是最內(nèi)層,轉(zhuǎn)化成列處理,紫色數(shù)字所在列不動(dòng),累加到其他列上

對(duì)于更高維度,可以參考3維來(lái)從外向內(nèi)剝離的方式理解

 以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • python redis 批量設(shè)置過(guò)期key過(guò)程解析

    python redis 批量設(shè)置過(guò)期key過(guò)程解析

    這篇文章主要介紹了python redis 批量設(shè)置過(guò)期key過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-11-11
  • python求解三角形第三邊長(zhǎng)實(shí)例

    python求解三角形第三邊長(zhǎng)實(shí)例

    這篇文章主要介紹了python求解三角形第三邊長(zhǎng)實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-05-05
  • 解決 jupyter notebook 回車換兩行問(wèn)題

    解決 jupyter notebook 回車換兩行問(wèn)題

    這篇文章主要介紹了解決 jupyter notebook 回車換兩行問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2020-04-04
  • 學(xué)習(xí)python之編寫簡(jiǎn)單乘法口訣表實(shí)現(xiàn)代碼

    學(xué)習(xí)python之編寫簡(jiǎn)單乘法口訣表實(shí)現(xiàn)代碼

    這篇文章主要介紹了學(xué)習(xí)python之編寫簡(jiǎn)單乘法口訣表實(shí)現(xiàn)代碼,需要的朋友可以參考下
    2016-02-02
  • Python查找算法之折半查找算法的實(shí)現(xiàn)

    Python查找算法之折半查找算法的實(shí)現(xiàn)

    這篇文章主要介紹了Python查找算法之折半查找算法的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2021-04-04
  • python實(shí)現(xiàn)雙鏈表

    python實(shí)現(xiàn)雙鏈表

    這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)雙鏈表,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2022-05-05
  • pyqt5 QScrollArea設(shè)置在自定義側(cè)(任何位置)

    pyqt5 QScrollArea設(shè)置在自定義側(cè)(任何位置)

    這篇文章主要介紹了pyqt5 QScrollArea設(shè)置在自定義側(cè)(任何位置),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2019-09-09
  • tensorflow學(xué)習(xí)筆記之mnist的卷積神經(jīng)網(wǎng)絡(luò)實(shí)例

    tensorflow學(xué)習(xí)筆記之mnist的卷積神經(jīng)網(wǎng)絡(luò)實(shí)例

    這篇文章主要為大家詳細(xì)介紹了tensorflow學(xué)習(xí)筆記之mnist的卷積神經(jīng)網(wǎng)絡(luò)實(shí)例,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2018-04-04
  • langchain中LLM模型使用詳解

    langchain中LLM模型使用詳解

    這篇文章主要為大家介紹了langchain中LLM模型使用詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2023-08-08
  • python字典序問(wèn)題實(shí)例

    python字典序問(wèn)題實(shí)例

    這篇文章主要介紹了python字典序問(wèn)題,是字符串操作一個(gè)比較典型的應(yīng)用,需要的朋友可以參考下
    2014-09-09

最新評(píng)論