NumPy参考 >例行程序 >Mathematical functions > numpy.sum
numpy.sum（a，axis = None，dtype = None，out = None，keepdims = <无值>，初始值= <无值>，其中= <无值> ）[源] ¶给定轴上的数组元素的总和。
求和元素。
执行求和的一个或多个轴。默认值axis = None将对输入数组的所有元素求和。如果轴为负，则从最后一个到第一个轴计数。
1.7.0版中的新功能。
如果axis是int的元组，则对元组中指定的所有轴进行求和，而不是像以前那样单个轴或所有轴。
返回的数组和累加器的类型，元素在其中累加。的D型细胞一个默认使用，除非一个 具有比缺省平台整数精度以下的整数D型。在这种情况下，如果a是带符号的，则使用平台整数，而如果a是无符号的，则使用与平台整数具有相同精度的无符号整数。
放置结果的替代输出数组。它必须具有与预期输出相同的形状，但是如有必要，将强制转换输出值的类型。
如果将其设置为True，则缩小的轴将保留为尺寸1的尺寸。使用此选项，结果将针对输入数组正确广播。
如果传递了默认值，则keepdims不会传递给的sum子类的方法
ndarray，但是任何非默认值都将传递。如果子类的方法未实现keepdims，则将引发任何异常。
总和的起始值。有关reduce详细信息，请参见。
1.15.0版中的新功能。
总和中要包括的元素。有关reduce详细信息，请参见。
1.17.0版中的新功能。
具有相同形状的阵列一个，与所述指定的轴移除。如果a是0-d数组，或者如果axis是None，则返回标量。如果指定了输出数组，则返回对out的引用 。
笔记
使用整数类型时，算术是模块化的，并且在溢出时不会引发错误。
空数组的总和是中性元素0：
>>> np.sum([])
0.0
对于浮点数，总和（和np.add.reduce）的数字精度
通常受到限制，方法是将每个数字直接直接加到结果中，从而在每个步骤中产生舍入误差。但是，通常numpy将使用数值上更好的方法（部分对和），从而在许多用例中提高精度。如果不axis给出，则始终提供改进的精度。当axis给定，这将取决于其轴线被求和。从技术上讲，为了提供可能的最佳速度，仅当求和沿内存中的快轴时才使用提高的精度。请注意，确切的精度可能会因其他参数而异。与NumPy相反，Python的math.fsum函数使用较慢但更精确的求和方法。尤其是当求和大量较低精度的浮点数时，例如float32，数字误差会变得很明显。在这种情况下，建议使用dtype =“ float64”对输出使用更高的精度。
例子
>>> np.sum([0.5, 1.5])
2.0
>>> np.sum([0.5, 0.7, 0.2, 1.5], dtype=np.int32)
1
>>> np.sum([[0, 1], [0, 5]])
6
>>> np.sum([[0, 1], [0, 5]], axis=0)
array([0, 6])
>>> np.sum([[0, 1], [0, 5]], axis=1)
array([1, 5])
>>> np.sum([[0, 1], [np.nan, 5]], where=[False, True], axis=1)
array([1., 5.])
如果累加器太小，则会发生溢出：
>>> np.ones(128, dtype=np.int8).sum(dtype=np.int8)
-128
您也可以用非零值开始求和：
>>> np.sum([10], initial=5)
15