不使用np.sum()实现二维数组行列求和？现有代码问题求助

首先看你代码的问题：循环里每次直接把rows赋值为当前行M[i, ...]，最后只保留了最后一行，调用sum()自然只会返回最后一行的和15。要得到每行的和组成的向量，需要手动计算每行的元素总和并收集结果。

行求和实现（手动循环） #

import numpy as np

M = np.array([[1, 2, 3],
              [4, 5, 6]])

def sum_rows(M):
    row_sums = []
    # 遍历每一行
    for row in M:
        current_sum = 0
        # 累加当前行的所有元素
        for num in row:
            current_sum += num
        row_sums.append(current_sum)
    # 转成numpy数组返回
    return np.array(row_sums)

print(sum_rows(M))  # 输出: [ 6 15]

列求和实现（手动循环） #

如果要计算每列的和，思路类似，遍历每一列的元素累加：

def sum_cols(M):
    col_sums = []
    # 获取数组的列数
    col_count = M.shape[1]
    # 遍历每一列索引
    for j in range(col_count):
        current_sum = 0
        # 遍历每一行，取当前列的元素
        for row in M:
            current_sum += row[j]
        col_sums.append(current_sum)
    return np.array(col_sums)

print(sum_cols(M))  # 输出: [5 7 9]

无循环实现（利用矩阵运算） #

如果不想用嵌套循环，也可以借助numpy的矩阵乘法，不用np.sum()也能实现：

• 行求和：用数组乘以全1的列向量，等价于每行元素相加

def sum_rows_no_loop(M):
    return M @ np.ones(M.shape[1], dtype=M.dtype)

print(sum_rows_no_loop(M))  # 输出: [ 6. 15.]

• 列求和：用全1行向量乘原数组，等价于每列元素相加

def sum_cols_no_loop(M):
    return np.ones(M.shape[0], dtype=M.dtype) @ M

print(sum_cols_no_loop(M))  # 输出: [5. 7. 9.]

内容的提问来源于stack exchange，提问作者La Lala