🧑 博主简介：阿里巴巴嵌入式技术专家，深耕嵌入式+人工智能领域，具备多年的嵌入式硬件产品研发管理经验。

📒 博客介绍：分享嵌入式开发领域的相关知识、经验、思考和感悟，欢迎关注。提供嵌入式方向的学习指导、简历面试辅导、技术架构设计优化、开发外包等服务，有需要可加文末联系方式联系。

💬 博主粉丝群介绍：① 群内高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

1. NumPy库概览：Python中的科学计算基石

NumPy，全称Numerical Python，是Python语言中用于高性能科学计算和数据分析的核心库。它提供了一个强大的多维数组对象——ndarray，以及一系列用于操作这些数组的函数。NumPy的高效数据结构和算法使得数组操作速度远超原生Python列表，是机器学习、信号处理、图像处理等领域不可或缺的工具。

2. numpy.sum函数：快速求和的利器

在数据分析和科学计算中，对数组元素进行求和是一项基本而频繁的操作。numpy.sum函数提供了这一功能，允许用户快速、灵活地计算数组中元素的总和，支持对整个数组或数组的某一维度进行操作。

2.1 numpy.sum函数API介绍

函数签名

numpy.sum(array, axis=None, dtype=None, out=None, keepdims=False, initial=<no value>, where=<no value>)

• array: 必需，输入的数组。
• axis（可选）: 指定沿着哪个轴进行求和。默认为None，表示计算所有元素的总和。可以是整数（例如0表示第一维度）、负数（-1表示最后一维度）或元组（例如(0, 1)表示在前两个维度上求和）。
• dtype（可选）: 输出数组的数据类型。
• out（可选）: 结果存入的数组，用于就地修改。
• keepdims（可选）: 如果为True，则在求和后的结果中保留输入数组的维度，大小为1。
• initial（可选）: 当数组为空时的初始值。
• where（可选）: 可选的布尔数组，指定哪些元素参与计算。只有where为True的元素才会被纳入求和。

返回值

返回计算结果的和。

2.2 示例代码与应用

基础使用：计算数组所有元素之和

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
total_sum = np.sum(arr)
print("Total sum of elements:", total_sum)

沿特定轴求和

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 计算每行之和
row_sums = np.sum(matrix, axis=1)
print("Sum along rows:", row_sums)

# 计算每列之和
col_sums = np.sum(matrix, axis=0)
print("Sum along columns:", col_sums)

使用keepdims选项

# 计算每列之和，同时保持二维形状
col_sums_keepdims = np.sum(matrix, axis=0, keepdims=True)
print("Sum along columns with keepdims:", col_sums_keepdims)

条件求和：使用where参数

cond_arr = np.array([True, False, True, True, False])
cond_sum = np.sum(arr, where=cond_arr)
print("Conditional sum:", cond_sum)

自定义求和起始值

# 空数组求和，设置初始值为10
empty_arr = np.array([])
sum_with_initial = np.sum(empty_arr, initial=10)
print("Sum with initial value:", sum_with_initial)

3. numpy.sum与其他数组统计函数的对比

numpy.sum是NumPy提供的众多统计函数之一，其他如numpy.mean（平均值）、numpy.max（最大值）、numpy.min（最小值）等，同样在数据分析中扮演着重要角色。与这些函数相比，numpy.sum提供了更高的灵活性，特别是通过axis和where参数，可以在不同维度和条件下进行求和，这是其他单一统计指标函数所不具备的。

4. 总结

numpy.sum函数是NumPy库中用于快速计算数组元素总和的强大工具，它的灵活性和高效性使其成为数据处理和科学计算中不可或缺的一部分。通过灵活指定求和的轴、保持维度、条件求和等特性，numpy.sum能够满足多种场景下的需求。无论是进行基础的数据分析，还是构建复杂的算法模型，掌握numpy.sum的使用方法都能显著提升开发效率和计算性能。在实际应用中，结合其他NumPy函数和库，可以进一步扩展其功能，实现更加复杂的数据处理和分析任务。