如何使用Numpy计算矩阵所有元素的和？现有求和函数问题求助

嘿，我看你自己写了个双重循环的check_sum函数来计算1024x1024二维数组的总和，但用Numpy的sum方法总是得不到正确结果，这大概率是对Numpy数组/矩阵的sum用法没摸透，咱们一步步来解决：

先确认你的原生函数是没问题的 #

你的循环函数逻辑完全正确，就是遍历所有元素累加，这点不用怀疑。但Numpy的向量化操作效率比循环高太多，尤其是1024x1024这种规模，必须得用对它的方法。

分两种场景给你正确的Numpy实现 #

场景1：你的grid是Numpy数组（numpy.ndarray） #

这是最常用的情况，直接调用grid.sum()就能得到所有元素的总和，默认就是对整个数组的所有元素求和，和你的循环结果完全一致：

import numpy as np

# 生成测试用的1024x1024数组
grid = np.random.rand(1024, 1024)
total = grid.sum()
print(total)

场景2：你的grid是Numpy矩阵（numpy.matrix） #

如果你用的是numpy.matrix对象，要注意它的sum方法默认是按列求和（轴为0），直接调用grid.sum()会得到一个1x1024的矩阵，而不是单个总数值。这时候必须指定axis=None来求所有元素的总和：

import numpy as np

grid = np.matrix(np.random.rand(1024, 1024))
total = grid.sum(axis=None)
print(total)

或者你也可以先把矩阵转成普通数组再求和：np.asarray(grid).sum()，结果是一样的。

为什么你之前的结果不符？ #

大概率是这几个原因之一：

• 你给Numpy数组的sum指定了轴（比如axis=0或axis=1），得到的是行/列的和，不是总合
• 用numpy.matrix时没加axis=None，得到的是列和的矩阵，不是单个数值
• 测试时用的grid在两种方法中不是同一个对象（比如一个是Python列表嵌套，一个是Numpy数组），导致数值不一致

替换你的check_sum函数的Numpy版本 #

如果要把你的函数改成Numpy实现，直接这样写就行，兼容列表嵌套和Numpy数组输入：

import numpy as np

def check_sum(grid):
    # 如果输入是Python列表嵌套，先转成Numpy数组
    if not isinstance(grid, np.ndarray):
        grid = np.array(grid)
    return grid.sum()

这个版本比你的循环快很多，尤其是处理大数组的时候。

内容的提问来源于stack exchange，提问作者Giskard Reventlov