Python 如何实施“沿特定轴”操作？

我可以使用

numpy.sum

对特定轴上的所有元素进行求和，即

>>> a = numpy.array([[1,2], [3,4]])
>>> numpy.sum(a, 1)
array([3, 7])

即沿行求和，逐行添加每列的元素

---

如果只有2或3个轴，我可以使用C/C++中的

If…elif

或

swith…case

实现它，但是如果有100个轴呢？如何实现它？

Numpy数组只是罩下的一维C数组，因此沿着一个轴的步进是通过以步幅跳过C数组来实现的，步幅的大小取决于您迭代的维度（最快维度的最小步幅，在Python/C中是最后一个维度）

因此，您必须计算与轴相对应的步幅，然后在计算总和时逐步遍历数组。对于每个和，从数组中的偏移量开始（第一个偏移量为0），该偏移量随着步长的增加而增加

---

如果您想了解更多，可以阅读的第15章（无需阅读之前的所有内容），该章以C中的numpy数组迭代部分开始。

您想实现什么？numpy数组只是罩下的一维C数组，因此，沿着单个轴的步进是通过大步跳过C数组来实现的。因此，您必须计算对应于轴的步幅，然后在计算总和时逐步遍历数组。此外，在Python中，您可以使用

np.rollaxis

将第n轴移动到开头，并仅在第一个维度上实现它。@Evert您可以添加注释作为答案…正如@jorgeca已经提到的，

numpy.swapaxes通常就是这样做的。例如，看看联合国大学在这里的答案：此外，我发现
numpy
和
scipy
中的大多数核心方法实际上都是使用
C/C++
实现的，例如
convalve
和
correlate
，这是为什么？性能问题？如果使用纯python实现它们会怎么样？@Alcott:这就是numpy和scipy:performance的全部要点。只有当您使用PyPy这样的路由时，您可能会获得与本机C例程相同的速度，但通常只用于某些特定的操作（我没有尝试用PyPy在纯Python中实现各种更奇特的numpy/scipy例程，然后进行比较）。使用纯Python和普通的CPython通常会使您的速度降低100倍。@alcott:还有，代码重用。有很多代码都是针对速度而优化的，主要是用C或FORTRAN编写的。Numpy和scipy与其中一些库（或至少可以）接口，例如标准线性代数（BLAS、LAPACK）例程。他们没有试图重新发明轮子，而是提供了一个Pythonic接口，用于一些经过多年优化（和调试！）和验证的东西。