本文主要是介绍Numpy函数cumsum之分分钟理解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
一、问题来源:
import matplotlib.pyplot as pltimport numpy as npplt.plot(np.random.randn(15).cumsum())
[<matplotlib.lines.Line2D at 0x1cdd9d591d0>]
二、cumsum函数理解
观察+思考
1、案例:
import numpy as np arr=np.arange(1,48,2).reshape(2,3,4)print(arr)
[[[ 1 3 5 7][ 9 11 13 15][17 19 21 23]][[25 27 29 31][33 35 37 39][41 43 45 47]]]
arr.cumsum(0)
array([[[ 1, 3, 5, 7],[ 9, 11, 13, 15],[17, 19, 21, 23]],[[26, 30, 34, 38],[42, 46, 50, 54],[58, 62, 66, 70]]], dtype=int32)
arr.cumsum(1)
arr.cumsum(2)
array([[[ 1, 4, 9, 16],[ 9, 20, 33, 48],[ 17, 36, 57, 80]],[[ 25, 52, 81, 112],[ 33, 68, 105, 144],[ 41, 84, 129, 176]]], dtype=int32)
2、cumsum函数定义:
cumsum(a, axis=None, dtype=None, out=None)
a.cumsum(axis=None, dtype=None, out=None)
返回:沿着指定轴的元素累加和所组成的数组,其形状应与输入数组a一致
其中cumsum函数的参数:
a:数组
axis:轴索引,整型,若a为n维数组,则axis的取值范围为[0,n-1]
dtype:返回结果的数据类型,若不指定,则默认与a一致。
out:数据类型为数组。用来放置结果的替代输出数组,它必须具有与输出结果具有相同的形状和缓冲长度
参考原文链接:https://blog.csdn.net/LZH_12345/article/details/79848100
三、总结
理解一些东西,应该从实例出发,再回头看概念。先概念的话,比较迷
1、axis:轴(数组的维度),在某些场景:有人也称索引
2、轴向元素
这篇关于Numpy函数cumsum之分分钟理解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!