如何实现通用numpy矩阵行求和，传入向量时不触发报错

你当前使用np.sum(arg, axis=1)报错的核心原因是：numpy支持1维数组存在，当输入为长度为2的1维向量（shape为(2,)）时，不存在axis=1这个维度，因此触发维度错误；而MATLAB默认所有数组最低为2维，因此不会出现该问题。

以下是两种通用兼容方案：

方案1：输出严格为1×2的2维向量（和MATLAB行为完全一致） #

通过np.atleast_2d先将输入统一转为最低2维的数组，再沿行维度（axis=0）求和，开启keepdims参数保持输出维度：

import numpy as np

def general_row_sum(input_arr):
    # 自动兼容1维/2维输入，1维向量会转为shape为(1, 2)的2维数组
    arr_2d = np.atleast_2d(input_arr)
    # 沿行维度求和，保持2维输出
    return arr_2d.sum(axis=0, keepdims=True)

测试效果：

• 输入3×2矩阵np.array([[1,2],[3,4],[5,6]])，输出为array([[ 9, 12]])，符合1×2要求
• 输入1维向量np.array([1,2])，输出为array([[1,2]])，无报错
• 输入1×2的2维向量np.array([[1,2]])，输出为array([[1,2]])，完全兼容

方案2：输出可接受长度为2的1维向量 #

如果不需要严格的2维输出，直接使用np.sum(input_arr, axis=0)即可，天然兼容1维/2维输入：

• 输入n×2矩阵时，输出长度为2的1维数组
• 输入1维向量时，直接返回向量本身，无报错

内容的提问来源于stack exchange，提问作者Steradiant