如何将7×12的2D数组按索引求和转为12长度的1D列表？

我在完成学校线性回归项目时，通过y = df["fatalProb"].values.reshape(7,12)生成了一个7×12的二维numpy数组，需要将其转换为长度为12的一维列表——对每个列索引位置的所有元素求和（例如把[[a,b,c], [d,e,f], [g,h,i]]转为[a+d+g, b+e+h, c+f+i]）。之前写的列表推导式过于繁琐，这里提供几种更简洁高效的实现方法：

方法1：纯Python通用写法（zip+sum） #

y = [sum(col) for col in zip(*y)]

原理：*y将二维数组解包为7个一维序列，zip会按位置把各序列的对应元素打包成元组（共12个元组，每个元组包含7个同列元素），再通过sum对每个元组求和，最终得到目标列表。这种写法不依赖第三方库，且不管数组行数多少都能通用，解决了原写法硬编码行索引的问题。

方法2：numpy高效写法（适合numpy数组） #

因为y是numpy数组（由df.values.reshape生成），直接用numpy的向量运算效率更高：

y = y.sum(axis=0).tolist()

原理：sum(axis=0)指定按列求和，得到长度为12的numpy一维数组，再用tolist()转换为Python列表。数据量越大，这种方法的性能优势越明显。

方法3：函数式简洁写法（map+sum+zip） #

如果偏好函数式风格，也可以用map替代列表推导式：

y = list(map(sum, zip(*y)))

原理和方法1完全一致，只是写法更紧凑。

原写法对比 #

原写法硬编码了7个行索引，扩展性差（比如行数变化时必须修改代码），而上面的方法都能自适应数组行数，代码简洁度和可维护性都更高。

内容的提问来源于stack exchange，提问作者MorningSnow