Как вычислить сумму всех столбцов массива 2D numpy (эффективно)

Скажем, у меня есть следующий 2D-массив numpy, состоящий из четырех строк и трех столбцов:

>>> a = numpy.arange(12).reshape(4,3)
>>> print(a)
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

Каким будет эффективный способ генерации массива 1D, который содержит сумму всех столбцов (например, [18, 22, 26])? Можно ли это сделать без необходимости перебирать все столбцы?

Ответ 1

Ознакомьтесь с документацией для numpy.sum, обратив особое внимание на параметр axis. Суммирование по столбцам:

>>> import numpy as np
>>> a = np.arange(12).reshape(4,3)
>>> a.sum(axis=0)
array([18, 22, 26])

Или, чтобы суммировать строки:

>>> a.sum(axis=1)
array([ 3, 12, 21, 30])

Другие агрегированные функции, такие как numpy.mean, numpy.cumsum и numpy.std, например, также принять параметр axis.

Из Ориентировочное учебное пособие по Numpy:

Многие унарные операции, такие как вычисление суммы всех элементов в массиве реализованы как методы класса ndarray. От default, эти операции применяются к массиву, как если бы это был список чисел, независимо от его формы. Однако, указав axisпараметра вы можете применить операцию вдоль указанной оси массив:

Ответ 2

Используйте numpy.sum. для вашего случая,

sum = a.sum(axis=0)

Ответ 3

Используйте аргумент axis:

>> numpy.sum(a, axis=0)
  array([18, 22, 26])

Ответ 4

Затем функция NumPy sum принимает необязательный аргумент оси, который указывает, вдоль какой оси вы хотите выполнить выполненную сумму:

>>> a = numpy.arange(12).reshape(4,3)
>>> a.sum(0)
array([18, 22, 26])

Или, что эквивалентно:

>>> numpy.sum(a, 0)
array([18, 22, 26])

Ответ 5

Другими альтернативами суммирования столбцов являются

numpy.einsum('ij->j', a)

numpy.dot(a.T, numpy.ones(a.shape[0]))

Если количество строк и столбцов находится в одном порядке, все возможности примерно одинаково быстрые:

Если имеется только несколько столбцов, то и решение einsum, и dot значительно превосходит numpy sum (а не лог-масштаб):

Код для воспроизведения графиков:

import numpy
import perfplot


def numpy_sum(a):
    return numpy.sum(a, axis=1)


def einsum(a):
    return numpy.einsum('ij->i', a)


def dot_ones(a):
    return numpy.dot(a, numpy.ones(a.shape[1]))


perfplot.show(
    # setup=lambda n: numpy.random.rand(n, n),
    setup=lambda n: numpy.random.rand(n, 3),
    n_range=[2**k for k in range(15)],
    kernels=[numpy_sum, einsum, dot_ones],
    logx=True,
    logy=True,
    xlabel='len(a)',
    )