这个函数的功能是返回给定axis上的累计和函数的原型如下：详见 doc
官方的文档是没有详细解释，本人做了测试自己把理解的写下。
1.对于一维输入a（可以是list，可以是array，假设a=[1, 2, 3, 4, 5, 6, 7] ，就是当前列之前的和加到当前列上，如下：
>>>import numpy as np >>> a=[1,2,3,4,5,6,7] >>> np.cumsum(a) array([ 1, 3, 6, 10, 15, 21, 28, 36, 45, 55, 75, 105])
2.对于二维输入a，axis=0(第1行不动，将第1行累加到其他行)；axis=1(进入最内层，转化成列处理。第1列不动，将第1列累加到其他列)，如下：
>>>import numpy as np >>> c=[[1,2,3],[4,5,6],[7,8,9]] >>> np.cumsum(c,axis=0) array([[ 1, 2, 3], [ 5, 7, 9], [12, 15, 18]]) >>> np.cumsum(c,axis=1) array([[ 1, 3, 6], [ 4, 9, 15], [ 7, 15, 24]])
3.对于三维输入a, axis=0 (第1行不动，将第1行累加到其他行)； axis=1(进入第2层，每个第二层第1行不动，累加到其他行)； axis=2(进入最内层，转化成列处理。第1列不动，将其累加到其他列)，注意维数从外到内是0-2编号，如下：
>>>import numpy as np >>> a [[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 20, 30]]] >>> np.cumsum(a,axis=0) array([[[ 1, 2, 3], [ 4, 5, 6]], [[ 8, 10, 12], [14, 25, 36]]]) >>> np.cumsum(a,axis=1) array([[[ 1, 2, 3], [ 5, 7, 9]], [[ 7, 8, 9], [17, 28, 39]]]) >>> np.cumsum(a,axis=2) array([[[ 1, 3, 6], [ 4, 9, 15]], [[ 7, 15, 24], [10, 30, 60]]])
[ //axis=0 [//axis=1。同时是axis=0所对应的第 1 行，注意是此中括号包含的整个内容 [1, 2, 3], //axis=2。同时是 axis=1所对的第1行 [4, 5, 6] //axis=2 ], [//axis=1。同时是axis=0所对应的第 2行 [7, 8, 9], //axis=2。同时是 axis=1所对的第1行 [10, 20, 30] //axis=2 ], ]
axis=0说明，第1维度，包含2行，绿色中括号的list，第1行(也就是由1,2,3,4,5,6组成的list)不动，累加到第二行，注意是累加
axis=1说明，第2维度, 每个绿色中括号里第1行不变，也就是 [1,2,3]和[7,8,9]不动，累加到同兄弟行（同属一个中括号的行）
axis=2说明，第3维度，也是最内层，转化成列处理，紫色数字所在列不动，累加到其他列上
对于更高维度，可以参考3维来从外向内剥离的方式理解
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本网站。
您可能感兴趣的文章:
- python画图的函数用法以及技巧
- 利用python求积分的实例
- python实现在函数图像上添加文字和标注的方法
- python函数与方法的区别总结
- 使用python绘制二元函数图像的实例
- Python 函数绘图及函数图像微分与积分
