如何对Numpy数组按固定长度区间求和？

这问题我太熟了！日常处理这种按固定长度分组求和的需求，用numpy原生操作就能轻松搞定，完全不用写循环，效率还高。

方法一：Reshape + 按行求和（最直观简便） #

当你的数组长度刚好能被n整除时（比如你的例子里数组长度12，n=3或4都能整除），直接用reshape把数组转换成二维数组，再对每一行求和就行：

import numpy as np

a = np.array([1,2,3,4,5,6,7,8,9,10,11,12])
n = 3

# 核心代码：reshape成(-1, n)表示自动计算行数，每行n个元素
result = a.reshape(-1, n).sum(axis=1)
print(result)  # 输出：[ 6 15 24 33]

如果n=4的话，只需要修改n的值：

n = 4
result = a.reshape(-1, n).sum(axis=1)
print(result)  # 输出：[10 26 42]

处理数组长度不能被n整除的情况 #

如果你的数组长度不是n的整数倍，比如a = np.array([1,2,3,4,5,6,7])，n=3，你可以选择两种处理方式：

• 丢弃剩余不足n个的元素：

trimmed_len = (len(a) // n) * n  # 计算能被n整除的最大长度
result = a[:trimmed_len].reshape(-1, n).sum(axis=1)
print(result)  # 输出：[6 15]

• 保留剩余元素并单独求和：

trimmed_len = (len(a) // n) * n
result = a[:trimmed_len].reshape(-1, n).sum(axis=1)
# 加上剩余元素的和
if len(a) % n != 0:
    result = np.append(result, a[trimmed_len:].sum())
print(result)  # 输出：[6 15 7]

方法二：累积和（cumsum）+ 差值计算 #

另一种灵活的思路是先计算数组的累积和，再通过取间隔n的元素做差值得到每组的和：

cumsum_a = np.cumsum(a)
# 取每组最后一个元素的累积和，减去前一组最后一个元素的累积和（第一个组减0）
result = cumsum_a[n-1::n] - np.concatenate([[0], cumsum_a[:-n:n]])
print(result)  # 输出：[ 6 15 24 33]

这个方法的原理是：累积和数组中，第k*n-1位置的元素是前k组的总和，减去前(k-1)组的总和，就得到第k组的单独和。

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