總結所有來自陣列內不同形狀的numpy子陣列的所有值

我有不同形狀的numpy陣列的numpy.array。當我打電話np.sum（my_array）我得到這個錯誤：總結所有來自陣列內不同形狀的numpy子陣列的所有值

Traceback (most recent call last): 
return umr_sum(a, axis, dtype, out, keepdims) 
ValueError: operands could not be broadcast together with shapes (13,5) (5,3)

所有我想要的是在所有陣列狀總和（my_array）所有值之和=一些浮點數

有一些參數我錯過了還是另一種方法？我只能想到這樣的事情

np.sum([np.sum(a) for a in my_array])

這是一個最佳的方法是什麼？

更新：

print(type(my_array)) 
print((my_array).shape) 
print([(type(sub_array), sub_array.shape) for sub_array in my_array])

輸出：

<class 'numpy.ndarray'> 
(2,) 
[(<class 'numpy.ndarray'>, (13, 5)), (<class 'numpy.ndarray'>, (5, 3))]

來源

2014-11-06 userqwerty1

什麼是my_array？它是一個包含numpy數組的Python列表嗎？ – jozzas 2014-11-06 21:30:25

@jozzas這也是一個numpy.array – userqwerty1 2014-11-06 21:32:48

這是什麼樣的ndarray包含不同形狀的其他ndarrays？請爲我們打印'type（my_array）'的結果。 – ballsatballsdotballs 2014-11-06 21:35:16

使用發電機應在大多數情況下更好地：

np.sum(np.sum(a) for a in my_array)

沒有 '[...]'你不會創建一個列表。

%timeit np.sum(np.sum(a) for a in my_array)

100000循環，最好的3：每圈5.73微秒

%timeit np.sum([np.sum(a) for a in my_array])

100000循環，最好的3：每圈9.97微秒

來源

2014-11-06 21:55:04 espang

哇。不知道我可以省略'[..]'謝謝。你如何做出這個時間？我已經嘗試過但不能像你的那樣工作。請，你能告訴或發佈鏈接嗎？ – userqwerty1 2014-11-06 22:04:00

我在一個IPython Notebook中寫了這個。你應該看看這個，它包含在安裝帶有anaconda或enthougt的python時。％timeit可以在那裏使用。 – espang 2014-11-06 22:08:08

哇。尼斯。謝謝。 – userqwerty1 2014-11-06 22:12:06

a = np.array(map(np.arange, range(16, 32))) 

Eyy![28]: %timeit np.sum(map(np.sum, a)) 
10000 loops, best of 3: 90.5 µs per loop 

Eyy![29]: %timeit np.sum(np.sum(b) for b in a) 
10000 loops, best of 3: 86 µs per loop 

Eyy![30]: %timeit np.sum([np.sum(b) for b in a]) 
10000 loops, best of 3: 90.2 µs per loop

也注意到，它可以多次如果您事先知道最大尺寸，則更容易擁有零填充的numpy陣列。

來源

2014-11-06 22:13:25 SlimJim

總結所有來自陣列內不同形狀的numpy子陣列的所有值

回答

相關問題