Somma delle colonne di un array in NumPy

1. Usa la funzione numpy.sum() per trovare la somma delle colonne di un array in Python
2. Usa la funzione numpy.einsum() per trovare la somma delle colonne di un array in Python
3. Usa la funzione numpy.dot() per trovare la somma delle colonne di un array in Python

Questo tutorial introdurrà come trovare la somma degli elementi lungo una colonna in NumPy.

Calcoleremo la somma della seguente matrice.

import numpy as np

a = np.arange(12).reshape(4, 3)
print(a)

Produzione:

[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

Usa la funzione numpy.sum() per trovare la somma delle colonne di un array in Python

La funzione sum() calcola la somma di tutti gli elementi in un array sull’asse specificato. Se specifichiamo l’asse come 0, calcola la somma sulle colonne in un array.

Il codice seguente lo spiega.

import numpy as np

a = np.arange(12).reshape(4, 3)
s = np.sum(a, axis=0)
print(s)

Produzione:

[18 22 26]

Questo metodo è il più utilizzato e il più veloce di tutti i metodi discussi in questo tutorial.

Usa la funzione numpy.einsum() per trovare la somma delle colonne di un array in Python

einsum() è una funzione utile ma complicata in NumPy. È difficile da spiegare perché può trovare la somma in vari modi a seconda della condizione. Possiamo usarlo per calcolare la somma delle colonne di un array, come mostrato di seguito.

import numpy as np

a = np.arange(12).reshape(4, 3)
s = np.einsum("ij->j", a)
print(s)

Produzione:

[18 22 26]

Il ij->j è il pedice della funzione che viene utilizzato per specificare che dobbiamo calcolare la somma delle colonne dell’array.

Usa la funzione numpy.dot() per trovare la somma delle colonne di un array in Python

È un metodo irrilevante, ma dovrebbe comunque essere noto per comprendere l’ampio uso della funzione dot(). Se calcoliamo il prodotto scalare della matrice 2-D con una singola matrice di riga contenente solo 1, otteniamo la somma delle colonne di questa matrice.

Il codice seguente implementa questo.

import numpy as np

a = np.arange(12).reshape(4, 3)
s = np.dot(a.T, np.ones(a.shape[0]))
print(s)

Produzione:

[18. 22. 26.]