Este grupo de expertos despúes de varios días de trabajo y recopilar de información, obtuvimos los datos necesarios, esperamos que te sea de utilidad para tu plan.
numpy.sum(a, axis=None, dtype=None, out=None, keepdims=
[source], initial= , where= ) -
La suma de array elementos sobre un eje dado.
- Parámetros
-
aarray_like
-
Elementos para resumir.
axisNone or int or tuple of ints, optional
-
Eje o ejes a lo largo de los cuales se realiza una suma. El valor predeterminado, eje = Ninguno, sumará todos los elementos de la entrada array. Si el eje es negativo, cuenta desde el último hasta el primer eje.
Nuevo en la versión 1.7.0.
Si axis es una tupla de ints, se realiza una suma en todos los ejes especificados en la tupla en lugar de un solo eje o todos los ejes como antes.
dtypedtype, optional
-
El tipo de devuelto array y del acumulador en el que se suman los elementos. El tipo de
a
se utiliza de forma predeterminada a menos quea
tiene un dtype entero de menor precisión que el entero predeterminado de la plataforma. En ese caso, sia
está firmado, entonces se usa el entero de la plataforma mientras que sia
no tiene signo, se utiliza un entero sin signo de la misma precisión que el entero de plataforma. outndarray, optional
-
Salida alternativa array en el que colocar el resultado. Debe tener la misma forma que la salida esperada, pero el tipo de valores de salida se emitirá si es necesario.
keepdimsbool, optional
-
Si se establece en Verdadero, los ejes que se reducen se dejan en el resultado como dimensiones con tamaño uno. Con esta opción, el resultado se transmitirá correctamente contra la entrada. array.
Si se pasa el valor predeterminado, entonces
keepdims
no pasará a lasum
método de subclases dendarray
, sin embargo, cualquier valor no predeterminado será. Si el método de la subclase no se implementakeepdims
se plantearán excepciones. initialscalar, optional
-
Valor inicial de la suma. Ver
reduce
para detalles.Nuevo en la versión 1.15.0.
wherearray_like of bool, optional
-
Elementos a incluir en la suma. Ver
reduce
para detalles.Nuevo en la versión 1.17.0.
- Devoluciones
-
sum_along_axisndarray
-
Un array con la misma forma que
a
, con el eje especificado eliminado. Sia
es un 0-d array, o siaxis
es None, se devuelve un escalar. Si una salida array se especifica, una referencia aout
es regresado.
Ver también
ndarray.sum
-
Método equivalente.
add.reduce
-
Funcionalidad equivalente de
add
. cumsum
-
Suma acumulada de array elementos.
trapz
-
Integración de array valores utilizando la regla trapezoidal compuesta.
mean,
average
Notas
La aritmética es modular cuando se utilizan tipos enteros y no se genera ningún error en el desbordamiento.
La suma de un vacío array es el elemento neutro 0:
>>> np.sum([])0.0
Para números de coma flotante, la precisión numérica de la suma (y
np.add.reduce
) en general se limita sumando directamente cada número individualmente al resultado, lo que provoca errores de redondeo en cada paso. Sin embargo, a menudo numpy utilizará un enfoque numéricamente mejor (suma parcial por pares) que conduce a una precisión mejorada en muchos casos de uso. Esta precisión mejorada siempre se proporciona cuando noaxis
es dado. Cuandoaxis
se da, dependerá de qué eje se sume. Técnicamente, para proporcionar la mejor velocidad posible, la precisión mejorada solo se utiliza cuando la suma se realiza a lo largo del eje rápido de la memoria. Tenga en cuenta que la precisión exacta puede variar según otros parámetros. A diferencia de NumPy, Pythonmath.fsum
La función utiliza un enfoque más lento pero más preciso para la suma. Especialmente al sumar un gran número de números de coma flotante de menor precisión, comofloat32
, los errores numéricos pueden llegar a ser significativos. En tales casos, puede ser aconsejable utilizardtype=”float64”
para utilizar una mayor precisión para la salida.Ejemplos de
>>> np.sum([0.5,1.5])2.0>>> np.sum([0.5,0.7,0.2,1.5], dtype=np.int32)1>>> np.sum([[0,1],[0,5]])6>>> np.sum([[0,1],[0,5]], axis=0) array([0,6])>>> np.sum([[0,1],[0,5]], axis=1) array([1,5])>>> np.sum([[0,1],[np.nan,5]], where=[False,True], axis=1) array([1.,5.])
Si el acumulador es demasiado pequeño, se produce un desbordamiento:
>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)-128
También puede comenzar la suma con un valor distinto de cero:
>>> np.sum([10], initial=5)15