keepdims主要用于保持矩阵的二维特性
import numpy as np
a = np.array([[1,2],[3,4]])
# 按行相加，并且保持其二维特性
print(np.sum(a, axis=1, keepdims=True))
# 按行相加，不保持其二维特性
print(np.sum(a, axis=1))- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
输出
array([[3], [7]])
array([3, 7])
这一篇博客保证是我写的最清楚，最容易理解的博客！！
众所周知，sum不传参的时候，是所有元素的总和。这里就不说了。
1 sum函数可以传入一个axis的参数，这个参数怎么理解呢？这样理解：
假设我生成一个numpy数组a，如下
- >>> import numpy as np
- >>> a = np.array([[[1,2,3,2],[1,2,3,1],[2,3,4,1]],[[1,0,2,0],[2,1,2,0],[2,1,1,1]]])
- >>> a
- array([[[1, 2, 3, 2],
- [1, 2, 3, 1],
- [2, 3, 4, 1]],
- [[1, 0, 2, 0],
- [2, 1, 2, 0],
- [2, 1, 1, 1]]])
- >>>
这是一个拥有两维的数组，每一维又拥有三个数组，这个数组里面拥有四个元素。如果我们要将这个a数组中的第一个元素1定位出来，则我们会输入a[0][0][0]。好，这个axis的取值就是这个精确定位某个元素需要经过多少数组的长度，在这里是3，，所以axis的取值有0，1，2。如果一个数组精确到某个元素需要a[n0][n1][n2][...][n]，则axis的取值就是n。定位 到这里，axis的参数的取值就解释完成了。
2 理解参数axis取值对sum结果的影响：
前面说了axis的取值（以数组a为例），axis=0，1，2。在这里，精确定位到某个元素可以用a[n0][n1][n2]表示。n0的取值是0，1（数组两维），代表第一个索引；n1的取值是0，1，2（每一维数组拥有3个子数组），代表第二个索引；n2的取值是0，1，2，3（每个子数组有4个元素），代表第三个索引，这几个取值在后面会用到。
2.1 axis = 0的时候：
axis=0，对应n0已经确定下来，即n0取值定为0，1。所以sum每个元素的求和公式是sum = a[0][n1][n2]+a[1][n1][n2]。接下来确定sum的行数和列数，n1的取值是0，1，2，为3个数，代表行数，n2的取值是0，1，2，3，为4个数，代表列数，所以sum为3*4的数组。
如何求sum的各个元素呢，sum = a[0][n1][n2]+a[1][n1][n2]这个公式又如何理解呢？如下。我们可以做一个表格：注意颜色
| n2=0 | n2=1 | n2=2 | n2=3 | |
| n1=0 | a[0][0][0]+a[1][0][0]=1+1=2 | a[0][0][1]+a[1][0][1]=2+0=2 | a[0][0][2]+a[1][0][2]=3+2=5 | a[0][0][3]+a[1][0][3]=2+0=2 |
| n1=1 | a[0][1][0]+a[1][1][0]=1+2=3 | a[0][1][1]+a[1][1][1]=2+1=3 | a[0][1][2]+a[1][1][2]=3+2=5 | a[0][1][3]+a[1][1][3]=1+0=1 |
| n1=2 | a[0][2][0]+a[1][2][0]=2+2=4 | a[0][2][1]+a[1][2][1]=3+1=4 | a[0][2][2]+a[1][2][2]=4+1=5 | a[0][2][3]+a[1][2][3]=1+1=2 |
验证一下, 正确！
- <span style="font-size:14px;">>>> a.sum(axis=0)
- array([[2, 2, 5, 2],
- [3, 3, 5, 1],
- [4, 4, 5, 2]])
- </span>
2.2 axis = 1的时候：
axis=1，对应n1已经确定下来，即n1取值定为0，1，2。所以sum每个元素的求和公式是sum =a[n0][0][n2]+a[n0][1][n2]+a[n0][2][n2]。接下来确定sum的行数和列数，n0的取值是0，1，为2个数，代表行数，n2的取值是0，1，2，3，为4个数，代表列数，所以sum为2*4的数组。
如何求sum的各个元素呢，sum = a[n0][0][n2]+a[n0][1][n2]+a[n0][2][n2]这个公式又如何理解呢？我们又做一个表格，颜色不标注了
| n2=0 | n2=1 | n2=2 | n2=3 | |
| n0=0 | a[0][0][0]+a[0][1][0]+a[0][2][0]= 1+1+2=4 | a[0][0][1]+a[0][1][1]+a[0][2][1]=2+2+3=7 | a[0][0][2]+a[0][1][2]+a[0][2][2]=3+3+4=10 | a[0][0][3]+a[0][1][3]+a[0][2][3]=2+1+1=4 |
| n0=1 | a[1][0][0]+a[1][1][0]+a[1][2][0]=1+2+2=5 | a[1][0][1]+a[1][1][1]+a[1][2][1]=0+1+1=2 | a[0][0][2]+a[0][1][2]+a[0][2][2]=2+2+1=5 | a[1][0][3]+a[1][1][3]+a[1][2][3]=0+0+1=1 |
- >>> a.sum(axis=1)
- array([[ 4, 7, 10, 4],
- [ 5, 2, 5, 1]])
2.3 axis = 2的时候：
axis=2，对应n2已经确定下来，即n2取值定为0，1，2, 3。所以sum每个元素的求和公式是sum =a[n0][n1][0]+a[n0][n1][1]+a[n0][n1][2]+a[n0][n1][3]。接下来确定sum的行数和列数，n0的取值是0，1，为2个数，代表行数，n1的取值是0，1，2，为3个数，代表列数，所以sum为2*3的数组。
如何求sum的各个元素呢，sum = a[n0][n1][0]+a[n0][n1][1]+a[n0][n1][2]+a[n0][n1][3]这个公式又如何理解呢？我们又做一个表格，颜色不标注了
| n1=0 | n1=1 | n1=2 | |
| n0=0 | a[0][0][0]+a[0][0][1]+a[0][0][2]+a[0][0][3]=1+2+3+2=8 | a[0][1][0]+ a[0][1][1]+ a[0][1][2]+ a[0][1][3]=1+2+3+1=7 |
a[0][2][0]+ a[0][2][1]+ a[0][2][2]+ a[0][2][3]=2+3+4+1=10 |
| n0=1 | a[1][0][0]+ a[1][0][1]+ a[1][0][2]+ a[1][0][3]=1+0+2+0=3 |
a[1][1][0]+ a[1][1][1]+ a[1][1][2]+ a[1][1][3]=2+1+2+0=5 |
a[1][2][0]+ a[1][2][1]+ a[1][2][2]+ a[1][2][3]=2+1+1+1=5 |
- <span style="font-size:14px;">>>> a.sum(axis=2)
- array([[ 8, 7, 10],
- [ 3, 5, 5]])</span>