如果我具有ndarray任意形状，并且我想沿除最后一个轴之外的所有轴计算和，例如，可以通过执行以下操作来实现
all_but_last = tuple(range(arr.ndim - 1))
sum = arr.sum(axis=all_but_last)
现在，tuple(range(arr.ndim - 1))我感觉并不完全直观。有没有更优雅/麻木的方式来做到这一点？
此外，如果要对形状不同的多个数组执行此操作，则必须为每个数组计算一个单独的维元组。有没有一种更规范的说法“不管尺寸是多少，只给我一个轴”？
您可以重新调整数组的形状，以使除最后一个轴外的所有轴均变平（例如，形状(k, l, m, n)变为(k*l*m, n)），然后在第一个轴上求和。
例如，这是您的计算：
In [170]: arr.shape
Out[170]: (2, 3, 4)
In [171]: arr.sum(axis=tuple(range(arr.ndim - 1)))
Out[171]: array([2.85994792, 2.8922732 , 2.29051163, 2.77275709])
这是替代方法：
In [172]: arr.reshape(-1, arr.shape[-1]).sum(axis=0)
Out[172]: array([2.85994792, 2.8922732 , 2.29051163, 2.77275709])
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句