Python numpy：沿除最后一个轴以外的所有轴求和

如果我有一个任意形状的

ndarray

，我想计算除了最后一个轴以外的所有轴的和，例如，我可以通过

all_but_last = tuple(range(arr.ndim - 1))
sum = arr.sum(axis=all_but_last)

现在，

tuple（range（arr.ndim-1））

并不是很直观。有没有一种更优雅的方式

---

此外，如果我想对不同形状的多个数组执行此操作，我必须为每个数组计算一个单独的维度元组。有没有更规范的方式来表达“不管尺寸是什么，只给我一个轴以外的所有轴”

你可以使用

np。在多个轴上应用_

np.apply_over_axes(np.sum, arr, [0,2]) #sum over axes 0 and 2

np.apply_over_axes(np.sum, arr, range(arr.ndim - 1)) #sum over all but last axis

您可以重塑阵列，使除最后一个轴外的所有轴都变平（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，以下是您的计算：

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])

以下是备选方案：

In [172]: arr.reshape(-1, arr.shape[-1]).sum(axis=0)
Out[172]: array([2.85994792, 2.8922732 , 2.29051163, 2.77275709])

无论直观与否，我认为这都充分利用了
轴
参数。将其隐藏在函数中，没有人会知道其区别（您可以对其进行注释）
numpy
函数经常玩这种“游戏”。这不是在做同样的事情吗？但以一种更慢的方式，在Python代码中迭代轴，而不是在内部进行
sum
？@hpaulj我不确定在Python代码中迭代所有轴是什么意思，因为这里显示的所有方法都使用
range
进行轴外推，但请查看
在轴上应用的代码
-它在
轴上迭代
参数时间也一样。即使把速度放在一边，这比求和（轴=…）有什么好处？