我正在尝试对列表中的 NumPy 向量列表求和。 （在这个例子中，它是一个包含 2 个项目的列表，但在我的例子中，该列表可以是任意大小。）如何将它们相加成一个新向量？
a = np.array([100, 100])
b = np.array([200, 200])
my_list = [a, b]
ab = np.add(my_list)
np.add(a, b) 有效，但它不是一个列表。我已经尝试过np.add(*my_list) 和np.add(np.array(my_list)) 以及np.add(np.array([my_list]))，但没有任何成功。这样做的正确方法是什么？谢谢！
【问题讨论】：
np.add.reduce()
可以使用np.add的reduce属性：
a = np.array([100, 100])
b = np.array([200, 200])
c = np.array([1000, 2000])
L = [a, b, c]
np.add.reduce(L)
结果：
array([1300, 2300])
所有接受两个in-arguments的通用函数都有一个reduce属性，像reduce一样应用这个函数，即：
np.add.reduce(L)
变成：
np.add(np.add(L[0], L[1]), L[2])
如果列表 L 变大，请添加更多括号和适当的 np.add 调用。
来自文档：
文档字符串：
reduce(a, axis=0, dtype=None, out=None, keepdims=False)通过沿一个轴应用 ufunc，将
a的维度减少一。
np.sum()
或者，您可以沿第一个轴使用np.sum：
>>> np.sum(L, axis=0)
array([1300, 2300
两者的表现似乎是一样的。
对于小数组：
a = np.array([100, 100])
b = np.array([200, 200])
c = np.array([1000, 2000])
L = [a, b, c, a, b, c, a, b, c]
reduce 快一点：
%timeit np.sum(L, axis=0)
10000 loops, best of 3: 20.7 µs per loop
%timeit np.add.reduce(L)
100000 loops, best of 3: 15.7 µs per loop
对于大型数组：
size = int(1e6)
a = np.random.random(size)
b = np.random.random(size)
c = np.random.random(size)
L = [a, b, c, a, b, c, a, b, c]
没有区别：
%timeit np.sum(L, axis=0)
10 loops, best of 3: 41.5 ms per loop
%timeit np.add.reduce(L)
10 loops, best of 3: 41.9 ms per loop
【讨论】：
这是你的意思吗？
import numpy as np
a = np.array([100, 100])
b = np.array([200, 200])
my_list = [a, b]
# add them up "vertically"
print np.vstack(my_list).sum(axis=0)
print np.vstack(tuple(my_list)).sum(axis=0) # I thought it had to be a tuple but apparently not!
[300 300]
[300 300]
【讨论】：
reduce 似乎更简单。
您可以使用np.hstack 或np.concatenate：
l = [a, b]
In [560]: np.hstack(l)
Out[560]: array([100, 100, 200, 200])
In [561]: np.concatenate(l)
Out[561]: array([100, 100, 200, 200])
【讨论】：
可能是 reduce 的理想候选者
>>> a = np.array([100, 100])
>>> b = np.array([200, 200])
>>> c = np.array([300, 300])
>>> reduce(lambda x,y: np.add(x,y), [a,b,c])
array([600, 600])
【讨论】：