Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Понимание функции cumsum NumPy
  • Вычисление совокупных сумм одномерных массивов NumPy
  • Использование NumPy cumsum для расчета совокупных сумм списков Python
  • Вычисление совокупных сумм двумерных массивов NumPy
  • Изменение оси в NumPy cumsum
  • Изменение типа данных при вычислении накопительных сумм NumPy
  • Заключение
  • Дополнительные ресурсы
  1. Учебники по Pandas и Numpy
  2. Numpy

NumPy cumsum: Расчет кумулятивных сумм массивов NumPy

PreviousNumPy clip(): Ограничьте значения массива минимальным и максимальным значениямиNextИзучаем функцию np.histogram в NumPy: создаем гистограмму

Last updated 1 year ago

Функция cumsum в NumPy используется для вычисления кумулятивной суммы элементов в массиве NumPy по указанной оси. В этом руководстве вы узнаете, как использовать функцию cumsum в NumPy для вычисления кумулятивных сумм массивов. Функция позволяет вам указать ось, по которой будут вычисляться суммы, а также тип данных результирующего массива.

К концу этого урока вы узнаете:

  • Как понять функцию NumPy cumsum()

  • Как вычислить совокупные суммы одномерных и двумерных массивов NumPy

  • Как указать ось, по которой рассчитывать накопленные суммы

  • Как указать тип данных накопительных сумм в NumPy

Оглавление

Понимание функции cumsum NumPy

Перед тем как погрузиться в то, как использовать функцию cumsum() в NumPy, давайте рассмотрим, из чего состоит эта функция. Мы быстро ознакомимся с различными параметрами функции и их аргументами по умолчанию (если таковые имеются). Это даст вам хорошее представление о том, что ожидать в плане возможностей настройки кумулятивных сумм, которые вы можете рассчитать с помощью NumPy.

# Понимание функции np.cumsum() из библиотеки NumPy
np.cumsum(a, axis=None, dtype=None, out=None)

Функция np.cumsum() вычисляет накопленную сумму элементов вдоль указанной оси массива. Возвращает массив той же формы, что и входной, содержащий накопленные суммы элементов вдоль указанной оси.

В таблице ниже представлены параметры и аргументы по умолчанию функции NumPy cumsum():

Параметр
Описание
Аргумент по умолчанию
Принятые значения

a=

Входной массив

N/A

array like

axis=

Ось, по которой рассчитывается совокупная сумма. По умолчанию NumPy сглаживает массив.

None

int

dtype=

Тип возвращаемого массива.

None

dtype

out=

Альтернативный выходной массив, в который можно поместить результат.

None

ndarray

Теперь, когда у вас есть глубокое понимание функции, давайте посмотрим, как вы можете вычислять кумулятивные суммы одномерных массивов NumPy.

Вычисление совокупных сумм одномерных массивов NumPy

Чтобы рассчитать накопленную сумму одномерного массива, вы можете просто передать массив в функцию np.cumsum(). Это вернет массив той же длины, содержащий значения накопленных сумм. Давайте посмотрим, как это выглядит:

# Вычисление накопленных сумм одномерных массивов NumPy
import numpy as np

arr = np.arange(5)

cumsum = np.cumsum(arr)
print(cumsum)

# Returns: [ 0  1  3  6 10]

Этот код вычисляет накопленные суммы элементов одномерного массива arr с помощью функции np.cumsum().

Давайте разберем, что мы сделали в приведенном выше коде:

  1. Мы использовали функцию np.arange() для возвращения массива, содержащего значения от 0 до 4

  2. Мы передали этот массив в функцию np.cumsum() для вычисления кумулятивных сумм.

В следующем разделе вы узнаете, как вычислять кумулятивные суммы для списков в Python.

Использование NumPy cumsum для расчета совокупных сумм списков Python

Функция cumsum в NumPy ожидает для своей работы объект, похожий на массив. Это означает, что мы также можем вычислять кумулятивные суммы значений списка Python. Давайте посмотрим, как это выглядит:

# Вычисление накопленных сумм для списков Python
import numpy as np

values = [0, 1, 2, 3, 4]

cumsum = np.cumsum(values)
print(cumsum)

# Returns: [ 0  1  3  6 10]

Этот код вычисляет накопленные суммы элементов списка values с помощью функции np.cumsum(). На выходе получается массив NumPy с накопленными суммами.

В приведенном выше коде мы генерируем список значений от 0 до 4. Затем мы передаем этот список в функцию np.cumsum(). Это возвращает массив NumPy кумулятивных значений. Чтобы вернуть список значений, вы можете просто передать этот массив в конструктор

Вычисление совокупных сумм двумерных массивов NumPy

Функция np.cumsum() также позволяет передавать двумерные массивы. Давайте посмотрим, что происходит, когда мы передаем в неё двумерный массив NumPy:

# Вычисление накопленных сумм для двумерных массивов
import numpy as np

arr = np.array([
    [0, 1, 2],
    [3, 4, 5]
])

cumsum = np.cumsum(arr)
print(cumsum)

# Returns: [ 0  1  3  6 10 15]

Этот код вычисляет накопленные суммы элементов двумерного массива arr с помощью функции np.cumsum(). Функция рассматривает двумерный массив как одномерный массив, выпрямляя его перед вычислением накопленной суммы.

Этот результат может вас удивить: по умолчанию функция cumsum в NumPy будет преобразовывать двумерный массив в одномерный, если не указана ось. Из-за этого функция сначала преобразует двумерный массив в одномерный, а затем возвращает кумулятивную сумму. Давайте посмотрим, как это выглядит, когда мы указываем ось.

Изменение оси в NumPy cumsum

NumPy предоставляет как первую, так и вторую оси. Первая ось представляет собой "столбцы" массива, в то время как вторая ось представляет "строки" массива.

Вычисляя кумулятивные суммы по 0-й оси, вы получаете массив того же размера и формы. В этом массиве суммы вычисляются "вниз" по столбцам, как показано ниже

# Вычисление накопленных сумм по оси 0 для двумерных массивов
import numpy as np

arr = np.array([
    [0, 1, 2],
    [3, 4, 5]
])

cumsum = np.cumsum(arr, axis=0)
print(cumsum)

# Returns:
# [[0 1 2]
#  [3 5 7]]

Этот код вычисляет накопленные суммы элементов двумерного массива arr по оси 0 с помощью функции np.cumsum(). Каждый элемент результата является суммой элементов вдоль оси 0, начиная с первого элемента и заканчивая текущим элементом.

Аналогичным образом мы можем рассчитать кумулятивные суммы по 1-му измерению. Это дает кумулятивные суммы по "строкам" массива. Давайте посмотрим, как это выглядит:

# Вычисление накопленных сумм по оси 1 для двумерных массивов
import numpy as np

arr = np.array([
    [0, 1, 2],
    [3, 4, 5]
])

cumsum = np.cumsum(arr, axis=1)
print(cumsum)

# Returns:
# [[ 0  1  3]
#  [ 3  7 12]]

Этот код вычисляет накопленные суммы элементов двумерного массива arr по оси 1 с помощью функции np.cumsum(). Каждый элемент результата является суммой элементов вдоль оси 1, начиная с первого элемента и заканчивая текущим элементом.

Мы видим, что это работает очень похожим образом. Функция возвращает массив той же формы и размера, в данном случае 2 на 3. Значения вычисляются по строкам.

В следующем разделе вы узнаете, как изменить тип данных результирующего массива.

Изменение типа данных при вычислении накопительных сумм NumPy

По умолчанию NumPy вернет массив, соответствующий наименьшему общему типу данных, найденному в массиве. Мы можем изменить тип данных массива, передав тип данных в параметр dtype=. В массиве, который мы использовали, все значения являются целыми числами. Давайте укажем, что мы хотим, чтобы результирующий тип данных был вещественными числами:

# Изменение типа данных при вычислении накопленных сумм
import numpy as np

arr = np.arange(5)

cumsum = np.cumsum(arr, dtype='float')
print(cumsum)

# Returns: [ 0.  1.  3.  6. 10.]

Этот код вычисляет накопленные суммы элементов одномерного массива arr, используя тип данных float, с помощью функции np.cumsum().

Мы видим, что результаты кумулятивных сумм такие же, как и ранее, однако каждое значение теперь представляет собой число с плавающей точкой, а не целое число.

Заключение

В этом учебном пособии вы научились вычислять кумулятивные суммы с помощью функции cumsum() библиотеки NumPy. Сначала вы изучили, как работает функция, рассмотрев ее параметры и аргументы по умолчанию. Затем вы научились вычислять кумулятивные суммы одномерных массивов и списков Python. После этого вы научились вычислять кумулятивные суммы двумерных массивов, включая изменение осей. Наконец, вы научились изменять типы данных результирующих массивов.

Дополнительные ресурсы

Чтобы узнать больше о смежных темах, ознакомьтесь с нижеприведенными учебными материалами:

  • 4 способа расчета совокупной суммы Pandas

Как нормализовать массивы NumPy
Экспонента NumPy: использование функции NumPy.exp()
Гистограмма NumPy: понимание функции np.histogram
NumPy cumsum: официальная документация
Понимание функции cumsum NumPy
Вычисление совокупных сумм одномерных массивов NumPy
Использование NumPy cumsum для расчета совокупных сумм списков Python
Вычисление совокупных сумм двумерных массивов NumPy
Изменение оси в NumPy cumsum
Изменение типа данных при вычислении накопительных сумм NumPy
Заключение
Дополнительные ресурсы