如何在NumPy灵活类型数组中计算x、y、z列的列和

嘿，这个需求用NumPy的结构化数组特性就能轻松搞定，我给你一步步拆解：

首先先确认你定义的结构化数组（记得先导入NumPy哦）：

import numpy as np
M = np.array([(0,1.1,2.1,3.1),(1,4,5,6),(2,10,11,12)], dtype=[('N','i4'),('x','f8'),('y','f8'),('z','f8')])

核心实现代码 #

要快速获取x、y、z各列的求和向量，直接用字段索引结合sum()方法就行：

sum_vector = M[['x', 'y', 'z']].sum(axis=0)
print(sum_vector)

输出结果 #

array([15.1, 18.1, 21.1])

简单解释 #

• M[['x', 'y', 'z']]：从结构化数组里精准提取出包含x、y、z三个坐标字段的子数组
• .sum(axis=0)：沿着行方向（也就是对每一列）求和，最终得到三个字段的总和组成的一维向量

如果想要保留结构化数组的格式（而非普通NumPy数组），也可以这么写：

sum_struct = np.array(
    [(M['x'].sum(), M['y'].sum(), M['z'].sum())],
    dtype=[('x_sum','f8'),('y_sum','f8'),('z_sum','f8')]
)
print(sum_struct)

对应的输出会是：

array([(15.1, 18.1, 21.1)], dtype=[('x_sum', '<f8'), ('y_sum', '<f8'), ('z_sum', '<f8')])

内容的提问来源于stack exchange，提问作者Miguel