使用Numpy(下面簡稱np)中的sum函數對某一維度求和時，由于該維度會在求和后變成一個數，所以所得結果的這一維度為空。

比如下面的例子：

a = np.array([[1,2,3],[4,5,6]])

b = np.sum(a,axis=1)

print(b.shape)

# (2,)

所以，對于一個shape為(2,3)的數組，在默認情況下使用np.sum函數求和后得到的結果shape是 (2,)，如果我們想得到的是(2,1)的shape怎么辦？比如Ng的深度學習編程練習中Course 1 Assignment 4就要求這樣。使用reshape函數當然可以，只是沒有必要，太麻煩了一點不優雅。我們可以使用通過設置keepdims參數實現，還是這個例子：

a = np.array([[1,2,3],[4,5,6]])

b = np.sum(a,axis=1,keepdims=True)

print(b.shape)

# (2,1)

(2,1)和(2,)的shape之間不同參見 What's the difference between (N,) and (N,1) in Numpy? —Stackoverflow

這里有個小例子可以幫助理解：

a = np.ones((5,))

b = np.ones((5,1))

print(a)

# [1. 1. 1. 1. 1.]

print(b)

# [[1.]

# [1.]

# [1.]

# [1.]

# [1.]]

以上這篇解決Numpy中sum函數求和結果維度的問題就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持python博客。

總結

以上是生活随笔為你收集整理的python sum函数numpy_解决Numpy中sum函数求和结果维度的问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。