numpy.cumulative_sum#

numpy.cumulative_sum(x, /, *, axis=None, dtype=None, out=None, include_initial=False)[源]#

返回沿给定轴的元素的累积和。

此函数是与 Array API 兼容的 numpy.cumsum 替代方案。

参数:
xarray_like（类数组）

输入数组。

axisint（整型）, optional（可选）

计算累积和的轴。默认值 (None) 仅适用于一维数组。对于多维数组，axis 是必需的。

dtypedtype（数据类型）, optional（可选）

返回数组的类型以及元素求和的累加器的类型。如果未指定 dtype，则默认为 x 的 dtype，除非 x 具有精度低于默认平台整数的整数 dtype。在这种情况下，将使用默认平台整数。

outndarray（N维数组）, optional（可选）

用于放置结果的替代输出数组。它必须与预期输出具有相同的形状和缓冲区长度，但如果需要，将进行类型转换。有关更多详细信息，请参见输出类型确定。

include_initialbool（布尔型）, optional（可选）

布尔值，指示是否将初始值（零）作为输出中的第一个值。如果 include_initial=True，则输出的形状与输入的形状不同。默认值：False。

返回:
cumulative_sum_along_axisndarray（N维数组）

除非指定了 out，否则返回一个包含结果的新数组；如果指定了 out，则返回对 out 的引用。如果 include_initial=False，则结果与 x 具有相同的形状。

另请参阅

sum

对数组元素求和。

trapezoid

使用复合梯形法则对数组值进行积分。

diff

计算沿给定轴的第 n 阶离散差分。

注释

使用整数类型时，算术运算是模运算，溢出时不会引发错误。

对于浮点值，cumulative_sum(a)[-1] 可能不等于 sum(a)，因为 sum 可能会使用成对求和例程，从而减少舍入误差。有关更多信息，请参见 sum。

示例

>>> a = np.array([1, 2, 3, 4, 5, 6])
>>> a
array([1, 2, 3, 4, 5, 6])
>>> np.cumulative_sum(a)
array([ 1,  3,  6, 10, 15, 21])
>>> np.cumulative_sum(a, dtype=float)  # specifies type of output value(s)
array([  1.,   3.,   6.,  10.,  15.,  21.])

>>> b = np.array([[1, 2, 3], [4, 5, 6]])
>>> np.cumulative_sum(b,axis=0)  # sum over rows for each of the 3 columns
array([[1, 2, 3],
       [5, 7, 9]])
>>> np.cumulative_sum(b,axis=1)  # sum over columns for each of the 2 rows
array([[ 1,  3,  6],
       [ 4,  9, 15]])

cumulative_sum(c)[-1] 可能不等于 sum(c)

>>> c = np.array([1, 2e-9, 3e-9] * 1000000)
>>> np.cumulative_sum(c)[-1]
1000000.0050045159
>>> c.sum()
1000000.0050000029
在本页