Python 每两列相加

我想计算矩阵中两列中两个的和0和1列之间的和，2和3列之间的和

所以我试着做嵌套for循环，但每次都没有好的结果

例如：

c = np.array([[0,0,0.25,0.5],[0,0.5,0.25,0],[0.5,0,0,0]],float)
freq=np.zeros(6,float).reshape((3, 2))

#I calculate the sum between the first and second column, and between the fird and the fourth column
for i in range(0,4,2):
    for j in range(1,4,2):
        for p in range(0,2):
            freq[:,p]=(c[:,i]+c[:,j])

但结果是：

 print freq           
 array([[ 0.75,  0.75],
        [ 0.25,  0.25],
        [ 0.  ,  0.  ]])

正常情况下，良好结果必须为0,0.5,0.5和0.75,0.25,0。所以我认为问题在于嵌套for循环

有没有人知道我如何计算每两列的总和，因为我有一个包含400列的矩阵？

这里有一种使用np.split的方法：

或作为奇数长度数组的更一般的偶数方式：

In [87]: def vertical_adder(array):
             return np.column_stack([np.sum(arr, axis=1) for arr in np.array_split(array, np.arange(2, array.shape[1], 2), axis=1)])
   ....: 

In [88]: vertical_adder(c)
Out[88]: 
array([[ 0.  ,  0.75],
       [ 0.5 ,  0.25],
       [ 0.5 ,  0.  ]])

In [94]: a
Out[94]: 
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

In [95]: vertical_adder(a)
Out[95]: 
array([[ 1,  5,  4],
       [11, 15,  9],
       [21, 25, 14]])

以下是使用np.split的一种方法：

或作为奇数长度数组的更一般的偶数方式：

In [87]: def vertical_adder(array):
             return np.column_stack([np.sum(arr, axis=1) for arr in np.array_split(array, np.arange(2, array.shape[1], 2), axis=1)])
   ....: 

In [88]: vertical_adder(c)
Out[88]: 
array([[ 0.  ,  0.75],
       [ 0.5 ,  0.25],
       [ 0.5 ,  0.  ]])

In [94]: a
Out[94]: 
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

In [95]: vertical_adder(a)
Out[95]: 
array([[ 1,  5,  4],
       [11, 15,  9],
       [21, 25, 14]])

---

您可以简单地重塑形状，将最后一个尺寸拆分为两个尺寸，最后一个尺寸的长度为2，然后沿其求和，如下所示-

freq = c.reshape(c.shape[0],-1,2).sum(2).T

重塑只会在数组中创建一个视图，因此有效地，我们在这里只使用求和操作，因此必须是有效的

样本运行-

In [17]: c
Out[17]: 
array([[ 0.  ,  0.  ,  0.25,  0.5 ],
       [ 0.  ,  0.5 ,  0.25,  0.  ],
       [ 0.5 ,  0.  ,  0.  ,  0.  ]])

In [18]: c.reshape(c.shape[0],-1,2).sum(2).T
Out[18]: 
array([[ 0.  ,  0.5 ,  0.5 ],
       [ 0.75,  0.25,  0.  ]])

---

您可以简单地重塑形状，将最后一个尺寸拆分为两个尺寸，最后一个尺寸的长度为2，然后沿其求和，如下所示-

freq = c.reshape(c.shape[0],-1,2).sum(2).T

重塑只会在数组中创建一个视图，因此有效地，我们在这里只使用求和操作，因此必须是有效的

样本运行-

In [17]: c
Out[17]: 
array([[ 0.  ,  0.  ,  0.25,  0.5 ],
       [ 0.  ,  0.5 ,  0.25,  0.  ],
       [ 0.5 ,  0.  ,  0.  ,  0.  ]])

In [18]: c.reshape(c.shape[0],-1,2).sum(2).T
Out[18]: 
array([[ 0.  ,  0.5 ,  0.5 ],
       [ 0.75,  0.25,  0.  ]])

添加片c[：，：：2]和c[：，1:：2]：

添加片c[：，：：2]和c[：，1:：2]：

---

非常优雅，考虑周到！好主意。事实上，即使没有巫术，它也是有道理的。非常优雅，而且经过深思熟虑！好主意。事实上，即使没有巫术也有道理。非常好。非常非常次要的一点：为什么结尾是.T？从OP的问题来看，看起来维度应该是3x2，不是吗？@AmiTavory是的，我不太确定OP需要的o/p格式，但是因为OP提到了：0,0.5,0.5和0.75,0.25,0，我假设它们被设置成行。非常好。非常非常次要的一点：为什么结尾是.T？从OP的问题来看，维度应该是3x2，不是吗？@AmiTavory是的，我不太确定OP需要的o/p格式，但是因为OP提到了：0,0.5,0.5和0.75,0.25,0，我假设它们被设置成行。回答得好。小点：为了符合OP的尺寸，在末尾加上.T，不是吗？很好的答案。小点：为了配合OP的尺寸，在末尾加上.T，不是吗？