解决Numpy中sum函数求和结果维度的问题

Numpy sum函数维度变化原理

在使用Numpy（下文简称为np）的sum函数对数组的特定维度进行求和运算时，由于该维度上的所有元素被聚合为一个数值，因此计算结果中对应的这一维度将不再存在，即变为空。

以下是一个具体示例说明这一现象：

a = np.array([[1,2,3],[4,5,6]])
b = np.sum(a,axis=1)
print(b.shape)
# (2,)

使用keepdims保持数组形状

因此，假设有一个形状为(2,3)的数组，在默认情况下调用np.sum函数进行求和后，所得结果的形状将变为(2,)。如果我们需要保持结果形状为(2,1)，例如在Ng的深度学习编程练习Course 1 Assignment 4中就有此类要求，该如何处理？虽然可以使用reshape函数来实现，但这显得过于繁琐且不够优雅。实际上，我们可以通过设置keepdims参数来直接实现这一目标，还是沿用上述例子：

a = np.array([[1,2,3],[4,5,6]])
b = np.sum(a,axis=1,keepdims=True)
print(b.shape)
# (2,1)

关于(2,1)与(2)形状之间的区别，可参考Stackoverflow上的讨论What's the difference between (N,) and (N,1) in Numpy?。

这里提供一个辅助示例，帮助理解不同形状的表现：

a = np.ones((5,))
b = np.ones((5,1))
print(a)
# [1. 1. 1. 1. 1.]

print(b)
# [[1.]
# [1.]
# [1.]
# [1.]
# [1.]]

以上内容即为解决Numpy中sum函数求和结果维度问题的完整分享，希望能对大家有所帮助，也欢迎大家继续支持本站。