Python手动计算数组累加和与np.cumsum结果不一致的原因

两者结果不一致的核心原因是手动实现的计算逻辑和np.cumsum的标准前缀和定义存在两处偏差： #

首先明确测试用的数组x执行reshape后是3行3列的二维数组：

x = np.array([[ 1, -2,  0],
              [-2,  5,  0],
              [ 0,  0,  2]])

两者的计算逻辑差异 #

• np.cumsum(x, axis=1)的标准逻辑：按行计算前缀和时，第k列（索引从0开始）的返回值是当前行从第0列到第k列（包含第k列）的所有元素累加结果。运行后得到的x1结果为：

  x1 = array([[ 1, -1, -1],
              [-2,  3,  3],
              [ 0,  0,  2]])
  

• 手动实现的循环逻辑存在两个问题：
  1. 切片范围不符合前缀和要求：Python切片x[:,:k]遵循左闭右开规则，只会取前k列（即索引0到k-1的列，不包含第k列），累加结果整体比标准前缀和右移了一位，第0列因为x[:,:0]是空数组，计算结果全为0。
  2. 列遍历不完整：循环k的取值范围是0,1,2，当k=2时x[:,:2]只会取前2列（索引0、1），完全没有累加第2列的元素，导致最后一列结果缺失。
     原代码运行后得到的x2结果为：

  x2 = array([[ 0.,  1., -1.],
              [ 0., -2.,  3.],
              [ 0.,  0.,  0.]])
  

修正方法 #

如果要让手动计算结果和np.cumsum完全一致，只需要把切片的结束索引改为k+1，保证每一步累加都包含当前第k列的元素，同时覆盖所有列：

x2 = np.zeros(x.shape) 
for k in range(x.shape[1]):
  x2[:,k] = np.sum(x[:,:k+1],axis=1) 

如果你原本想要实现的是「前缀和最前面补0、用于后续差分计算」的逻辑，只需要调整cumsum的写法即可匹配原有手动结果：

x1 = np.zeros((x.shape[0], x.shape[1]+1))
x1[:, 1:] = np.cumsum(x, axis=1)
# 取x1[:, :-1]即可得到和原手动代码一致的x2结果

内容的提问来源于stack exchange，提问作者John Stone