Python 如何对numpy对象数组的所有元素求和？

我有一个numpy对象数组，它由几个普通的numpy数组组成

a=np.arange（[np.arange（5），np.arange（2），np.arange（7）]） >>a 数组（[0,1,2,3,4]），数组（[0,1]），数组（[0,1,2,3,4,5,6]），数据类型=对象 我想求所有元素的和，理想情况下应该是

32

。如果我使用

sum（a）

我会得到一个错误。但是，我可以使用

>sum（[a中数组的np.sum（数组）]）
32

但我想知道是否有更快/更简单的方法可以做到这一点

---

性能：取决于嵌套数组的数量和数组中值的数量，因此最好在实际数据中进行测试：

a = np.array([np.arange(5), np.arange(2), np.arange(7)] * 1000) 
#print (a)

In [40]: %timeit np.concatenate(a).sum()
830 µs ± 22.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [41]: %timeit (np.sum(np.concatenate(a)))
835 µs ± 33.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

#original solution 
In [42]: %timeit sum([np.sum(array) for array in a])
15.3 ms ± 85.9 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

其他解决方案：

In [43]: %timeit sum(np.sum(array) for array in a)
17.4 ms ± 2.27 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [44]: %timeit (sum(np.concatenate(a)))
2.28 ms ± 143 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

---

虽然代码很好，但也可以使用来连接数组，然后通过、python内置或numpy数组上的

sum

函数计算总和

import numpy as np

a = np.array([np.arange(5), np.arange(2), np.arange(7)])

print(np.sum(np.concatenate(a)))
#32

print(sum(np.concatenate(a)))
#32

print(np.concatenate(a).sum())
#32

---

您可以使用

map

：

>>> sum(map(sum,a))
32

---

不，这很好，您正在使用python内置的sum来汇总更大的列表，其中包括

np.arange

列表的总和，并且您正在使用

np.sum

来汇总各个numpy数组！如果你的代码可以工作，但你想改进它，在CodeReview上发布你可以删除

sum

中的方括号

sum（a中数组的np.sum（array）

@alec_a，这样的问题通常由SO

numpy

社区来回答。CR拥有更少的

numpy

眼睛，并且倾向于更多地关注良好的编程风格。

sum（a）

尝试执行

a[0]+a[1]+a[2]

，并抱怨在2元素数组中添加5元素数组。+1用于性能分析。如果我的分析正确，重要的因素首先是使用

np.sum

而不是

sum

，其次是连接数组

a

，而不是在其上循环？@ItamarMushkin-是的，在numpy中使用numpy函数比使用python函数更快，因为它是矢量化的。非常感谢。

import numpy as np

a = np.array([np.arange(5), np.arange(2), np.arange(7)])

print(np.sum(np.concatenate(a)))
#32

print(sum(np.concatenate(a)))
#32

print(np.concatenate(a).sum())
#32

>>> sum(map(sum,a))
32