numpy array 循环求和|极客笔记

numpy array 循环求和

在使用NumPy进行数据处理和运算时，经常需要对数组进行求和操作。在本文中，我们将详细介绍如何使用循环对NumPy数组进行求和操作，并说明循环求和与内置求和函数（如np.sum()）的区别。

1. NumPy数组和循环求和

NumPy是一个功能强大的数值计算库，其中的核心数据结构是多维数组（numpy.ndarray）。在NumPy中，我们可以使用循环来遍历数组的所有元素，并进行求和操作。

下面是一个简单的示例代码，演示如何使用循环对NumPy数组进行求和：

import numpy as np

# 创建一个3x3的二维数组
arr = np.array([[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]])

# 初始化求和结果为0
total_sum = 0

# 遍历数组的所有元素，并累加求和
for i in range(arr.shape[0]):
    for j in range(arr.shape[1]):
        total_sum += arr[i, j]

print("数组的总和为:", total_sum)

在上面的示例中，我们创建了一个3×3的二维数组arr，然后使用两层循环遍历数组的所有元素，并将它们累加到total_sum变量中。最后打印出数组的总和。

2. 内置求和函数`np.sum()`

除了使用循环进行求和操作外，NumPy还提供了一个内置的求和函数np.sum()，可以方便地对数组进行求和。与循环求和相比，内置求和函数更加高效且简洁。

下面是使用np.sum()函数对数组进行求和的示例代码：

import numpy as np

# 创建一个3x3的二维数组
arr = np.array([[1, 2, 3],
                [4, 5, 6],
                [7, 8, 9]])

# 使用np.sum()函数对数组进行求和
total_sum = np.sum(arr)

print("数组的总和为:", total_sum)

在上面的示例中，我们直接使用np.sum()函数对数组arr进行求和，并将结果存储在total_sum变量中。最后打印出数组的总和。

3. 循环求和与内置求和函数的性能比较

虽然内置求和函数np.sum()更加简洁和高效，但在某些特定情况下，循环求和可能会更加灵活和适用。

下面是一个比较循环求和和内置求和函数性能的示例代码：

import numpy as np
import time

# 创建一个大型的数组
arr = np.random.rand(10000)

# 循环求和
start_time = time.time()
total_sum = 0
for num in arr:
    total_sum += num
end_time = time.time()
print("循环求和耗时:", end_time - start_time)

# 内置求和函数
start_time = time.time()
total_sum_np = np.sum(arr)
end_time = time.time()
print("内置求和函数耗时:", end_time - start_time)

print("两种方法求和结果是否一致:", total_sum == total_sum_np)

在上面的示例中，我们创建了一个包含10000个随机数的数组arr，然后分别使用循环求和和内置求和函数np.sum()进行求和，并比较它们的性能和求和结果是否一致。