MATLAB sum函数转Python后维度不符问题求助

原MATLAB代码：

% T2 = (sum((log(X(1:m,:)))'));

转换后的Python代码：

T2 = sum(np.log(X[0:int(m),:]).T)

相关数据定义：

f1 = np.float64(135)
f2 = np.float64(351)
X = np.float64(p[:, int(f1):int(f2)])
m = 103

问题描述：
对np.log(X[0:int(m), :]).T应用sum前，Python结果的数值和维度（216x103）与MATLAB完全一致；但应用sum后，数值正确但维度为一维数组(103,)（表现为类似103x1的形式），需要的正确维度是1x103的二维行向量，尝试求和后转置无效。

解决建议 #

方法1：直接按行求和并调整维度 #

MATLAB代码的逻辑本质是对log(X(1:m,:))的每行元素求和，最终得到行向量。在numpy中可以直接指定求和轴，再通过np.newaxis添加维度：

T2 = np.sum(np.log(X[:m, :]), axis=1)[np.newaxis, :]

• axis=1表示对每行求和，得到一维数组(103,)
• [np.newaxis, :]将一维数组转换为二维行数组(1, 103)

方法2：先转置求和再调整维度 #

如果坚持保留先转置的逻辑，需使用numpy的np.sum而非Python内置sum，并指定求和轴后调整维度：

T2 = np.sum(np.log(X[:m, :]).T, axis=0)[np.newaxis, :]

• np.sum(..., axis=0)对转置后的矩阵按列求和，得到一维数组(103,)
• 同样通过np.newaxis将其转为(1, 103)的行向量

为什么求和后转置无效？ #

Python中一维数组的转置不会改变其形状（(103,).T仍为(103,)），必须先将其转换为二维数组再转置，比如：

# 等价于方法1的写法
T2 = np.sum(np.log(X[:m, :]), axis=1).reshape(1, -1)

内容的提问来源于stack exchange，提问作者maya