Python NumPy按不同维度求和、最值与均值详解
发布时间：2026-10-13| 2人浏览过
本文通过具体实例演示如何在Python中使用NumPy对多维数组按不同维度进行求和、计算最值及均值。重点解析np.sum函数中axis参数的作用，包括正整数与负整数索引的区别，帮助开发者快速掌握高维数据处理技巧。
当处理变量维度增加的情况时，按不同维度进行求和的操作可能显得复杂。但只要理解了一个维度的处理逻辑，其他维度的操作便迎刃而解。以下通过具体代码示例直观展示其工作原理。
a=range(27) a=np.array(a) a=np.reshape(a,[3,3,3])
变量a的计算结果如下所示：
array([[[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8]], [[ 9, 10, 11], [12, 13, 14], [15, 16, 17]], [[18, 19, 20], [21, 22, 23], [24, 25, 26]]])
执行aa=np.sum(a,-1)后的输出结果为：
array([[ 3, 12, 21], [30, 39, 48], [57, 66, 75]]) bb=np.sum(a,2) 的输出
array([[ 3, 12, 21], [30, 39, 48], [57, 66, 75]])
执行cc=np.sum(a,0)的输出结果如下：
array([[27, 30, 33], [36, 39, 42], [45, 48, 51]])
执行cc=np.sum(a,1)的输出结果如下：
array([[ 9, 12, 15], [36, 39, 42], [63, 66, 69]])
需要注意的是，索引-1代表的维度与第2个维度（即最后一个维度）是相同的。在NumPy中，负数索引通常用于从后往前计数，因此-1特指最后一个维度。
以上关于Python按不同维度进行求和、计算最值及均值的实例分享完毕，希望能为读者提供参考。欢迎大家继续支持本站获取更多技术内容。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
