可以做超链接或锚文本的网站有哪些网络广告创意

引言

numpy.cumsum()函数用于计算输入数组的累积和。当输入是多维数组时，numpy.cumsum()函数可以沿着指定轴计算累积和。

计算一维数组的累计和

代码如下：

# 计算一维数组的累计和
tmp_array = np.ones((4,), dtype=np.uint8)  # [1, 1, 1, 1]
print("输入:", tmp_array)# 方案1 ———— numpy数组的cumsum方法
array_cumsum = tmp_array.cumsum()
print("方案1输出", array_cumsum)# 方案2 ———— numpy的cumsum函数
array_cumsum = np.cumsum(a=tmp_array)
print("方案2输出:", array_cumsum)

运行结果：

可以看到，当输入是长度为4的全1数组时，方案一和方案二的计算结果完全一致，即输出数组的第i个元素计算的是输入数组的前i项和(累计和)

计算二维数组的累计和（沿着纵轴）

代码如下：

# 沿着纵轴计算二维数组的累计和
tmp_array = np.ones((4,4), dtype=np.uint8)
print("输入:", tmp_array)# 方案1 ———— numpy数组的cumsum方法
array_cumsum = tmp_array.cumsum(axis=0) # 0代表沿着纵轴
print("方案1输出", array_cumsum)# 方案2 ———— numpy的cumsum函数
array_cumsum = np.cumsum(a=tmp_array, axis=0)
print("方案2输出", array_cumsum)

运行结果：

可以看到，当输入是形状为(4,4)的全1数组时，方案一和方案二都是沿着输入数组的纵轴去计算累积和。

计算二维数组的累计和（沿着横轴）

# 沿着横轴计算二维数组的累计和
tmp_array = np.ones((4,4), dtype=np.uint8)
print("输入:", tmp_array)# 方案1 ———— numpy数组的cumsum方法
array_cumsum = tmp_array.cumsum(axis=1) # 1代表沿着横轴
print("方案1输出", array_cumsum)# 方案2 ———— numpy的cumsum函数
array_cumsum = np.cumsum(a=tmp_array, axis=1)
print("方案2输出", array_cumsum)

运行结果

可以看到，当输入是形状为(4,4)的全1数组时，方案一和方案二都是沿着输入数组的横轴去计算累积和。

计算二维数组的累积和(不指定轴)

代码如下：

tmp_array = np.ones((4,4), dtype=np.uint8)
print("输入:\n", tmp_array)# 方案1 ———— numpy数组的cumsum方法
array_cumsum = tmp_array.cumsum() # 不指定轴
print("方案1输出:\n", array_cumsum)# 方案2 ———— numpy的cumsum函数
array_cumsum = np.cumsum(a=tmp_array)
print("方案2输出:\n", array_cumsum)

结果如下：

可以看到，如果在不指定轴的情况下计算二维数组的累积和，相当于先将二维数组按顺序展开成一维数组再计算累计和 ==> 输出结果为一维数组。

小技巧

**疑问：**当函数有axis参数需要指定具体轴时，如何准确记忆axis=0代表沿着纵轴计算，而axis=1代表沿着横轴计算？

小编的回答： 当“纵”和“横”组词时，我们习惯先说“纵”，再说“横”(比如纵横交错)。同时，0和1按数字顺序排列的话也是“0”在前，“1”靠后。—— “纵横”和“01”这种先后顺序可以协助记忆。

结束语

如果本博文对你有所帮助，可以点个赞/收藏支持一下，如果能够持续关注，小编感激不尽~
如果有相关需求/问题需要小编帮助，欢迎私信~
小编会坚持创作，持续优化博文质量，给读者带来更好de阅读体验~