假设我有以下数组 A，其中右侧是它的“.shape”：
A.shape = (10000, 10, 10)
我想得到C.shape = (10000,10) 这样：
对于 A 中的每个 10x10 矩阵（10000 个矩阵），它被简化为每行之和的一维向量 (10,1)，因此，最终结果为 C.shape = (10000,10)
基本上，如果我们有形状 (10,10) 并乘以 numpy.ones 向量 (10,1) 就可以完成这项工作。
但是在处理 3D 数组 (10000,10,10) 时如何用 Python 编写呢？
最终目标是形状 (10000,10,10) 乘以 something = (10000,10)，其中 (10000,10) 的第二维现在是前一个的行和(10,10) 矩阵。
【问题讨论】：
标签： python arrays numpy multidimensional-array vectorization
最简单的解决方案是：
import numpy as np
C = np.sum (A, axis=2)
替代解决方案 1（减少）：
如果你想使用reduce()函数，使用这个：
import numpy as np
C = np.add.reduce (A, 2)
这里，2 表示通过add 操作进行减少的轴。
更多详情请参考this
这可能仅适用于 numpy 的 1.17 及更高版本
替代解决方案 2：（与向量相乘）
使用numpy.dot()：
B = np.ones((10,), dtype=A.dtype)
C = np.dot (A,B)
【讨论】：
是的，您可以沿轴 1 使用 .sum() 从 (10000,10,10) 形状数组中获取它：
import numpy as np
a=np.ones(1000000).reshape(10000,10,10)
print(a.shape) # 10000,10,10
b=a.sum(axis=1)
print(b.shape) # 10000,10
c=b.sum(axis=1)
print(c.shape) # 10000,1
【讨论】：