unutbu..

5

你可以使用einsum:

In [21]: np.einsum('ijkl->kl', M)

Out[21]:

array([[32, 8],

[16, 8]])

其他選項包括將前兩個軸重新整形為一個軸,然后調用sum:

In [24]: M.reshape(-1, 2, 2).sum(axis=0)

Out[24]:

array([[32, 8],

[16, 8]])

或者調用sum方法兩次:

In [26]: M.sum(axis=0).sum(axis=0)

Out[26]:

array([[32, 8],

[16, 8]])

但使用np.einsum速度更快:

In [22]: %timeit np.einsum('ijkl->kl', M)

100000 loops, best of 3: 2.42 μs per loop

In [25]: %timeit M.reshape(-1, 2, 2).sum(axis=0)

100000 loops, best of 3: 5.69 μs per loop

In [43]: %timeit np.sum(M, axis=(0,1))

100000 loops, best of 3: 6.08 μs per loop

In [33]: %timeit sum(sum(M))

100000 loops, best of 3: 8.18 μs per loop

In [27]: %timeit M.sum(axis=0).sum(axis=0)

100000 loops, best of 3: 9.83 μs per loop

警告:由于許多因素(OS,NumPy版本,NumPy庫,硬件等),timeit基準測試可能會有很大差異.各種方法的相對性能有時也取決于M的大小.因此,在M更接近實際用例的情況下,自己做基準測試是值得的.

例如,對于稍大的數組M,調用該sum方法兩次可能是最快的:

In [34]: M = np.random.random((100,100,2,2))

In [37]: %timeit M.sum(axis=0).sum(axis=0)

10000 loops, best of 3: 59.9 μs per loop

In [39]: %timeit np.einsum('ijkl->kl', M)

10000 loops, best of 3: 99 μs per loop

In [40]: %timeit np.sum(M, axis=(0,1))

10000 loops, best of 3: 182 μs per loop

In [36]: %timeit M.reshape(-1, 2, 2).sum(axis=0)

10000 loops, best of 3: 184 μs per loop

In [38]: %timeit sum(sum(M))

1000 loops, best of 3: 202 μs per loop

總結

以上是生活随笔為你收集整理的python sum 数组原理_Python - Sum 4D数组的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。