MATLAB求和函数

语法

S = sum(A)

S = sum(A,"all")

S = sum(A,dim)

S = sum(A,vecdim)

S = sum(,outtype)
S = sum(
,nanflag)

说明

示例

S = sum(A) 返回沿大小大于 1 的第一个数组维度计算的元素之和。

如果 A 是向量,则 sum(A) 返回元素之和。

如果 A 是矩阵,则 sum(A) 将返回包含每列总和的行向量。

如果 A 是多维数组,则 sum(A) 沿大小大于 1 的第一个数组维度计算,并将这些元素视为向量。此维度中 S 的大小变为 1,而所有其他维度的大小仍与在 A 中相同。

如果 A 是表或时间表,则 sum(A) 返回一个包含每个变量总和的单行表。 (自 R2023a 起)

示例

S = sum(A,"all") 返回 A 的所有元素的总和。

示例

S = sum(A,dim) 沿维度 dim 返回总和。例如,如果 A 为矩阵,则 sum(A,2) 返回包含每一行总和的列向量。

示例

S = sum(A,vecdim) 根据向量 vecdim 中指定的维度对 A 的元素求和。例如,如果 A 是矩阵,则 sum(A,[1 2]) 返回 A 中所有元素的总和,因为矩阵的每个元素包含在由维度 1 和 2 定义的数组切片中。

示例

S = sum(___,outtype) 使用上述语法中的任何输入参量返回指定数据类型的总和。outtype 可以是 "default"、"double" 或 "native"。

示例

S = sum(___,nanflag) 指定包含还是省略 A 中的 NaN 值。例如,sum(A,"omitnan") 在计算总和时会忽略 NaN 值。默认情况下,sum 包括 NaN 值。

示例

全部折叠

向量元素的总和

创建一个向量并计算各个元素的总和。

A = 1:10;

S = sum(A)

S = 55

矩阵列总和

创建一个矩阵并计算每列中元素的总和。

A = [1 3 2; 4 2 5; 6 1 4]

A = 3×3

 1     3     2
 4     2     5
 6     1     4

S = sum(A)

S = 1×3

11     6    11

矩阵行总和

创建一个矩阵并计算每行中元素的总和。

A = [1 3 2; 4 2 5; 6 1 4]

A = 3×3

 1     3     2
 4     2     5
 6     1     4

S = sum(A,2)

S = 3×1

 6
11
11

数组切片总和

使用向量维度参量来操作数组的特定切片。

创建所有元素为 1 的三维数组。

A = ones(4,3,2);

要对 A 的每个页中的所有元素求和,请使用向量维度参量指定要求和的维度(行和列)。两个页均为 4×3 的全 1 矩阵,因此每页的总和为 12。

S1 = sum(A,[1 2])

S1 =

S1(:,:,1) =

12

S1(:,:,2) =

12

如果沿第一个维度对 A 进行切片,则可以对得到的 4 个页的元素求和,每个页为 3×2 矩阵。

S2 = sum(A,[2 3])

S2 = 4×1

 6
 6
 6
 6

沿第二个维度切片,每个页的总和是一个 4×2 矩阵的元素之和。

S3 = sum(A,[1 3])

S3 = 1×3

 8     8     8

要计算一个数组的所有维度上的和,可以在向量维参量中指定每个维度,或使用 "all" 选项。

S4 = sum(A,[1 2 3])

S4 = 24

Sall = sum(A,"all")

Sall = 24

三维数组的总和

创建一个由 1 值组成的 4×2×3 数组,并计算沿第三个维度的总和。

A = ones(4,2,3);

S = sum(A,3)

S = 4×2

 3     3
 3     3
 3     3
 3     3

32 位整数之和

创建一个由 32 位整数组成的向量,并通过将输出类型指定为 native 来计算其元素的 int32 总和。

A = int32(1:10);

S = sum(A,"native")

S = int32

55

排除缺失值的总和

创建一个包含 NaN 值的矩阵。

A = [1.77 -0.005 NaN -2.95; NaN 0.34 NaN 0.19]

A = 2×4

1.7700   -0.0050       NaN   -2.9500
   NaN    0.3400       NaN    0.1900

计算矩阵的总和,不包括 NaN 值。对于包含任一 NaN 值的矩阵列,sum 使用非 NaN 元素进行计算。对于包含的值都是 NaN 的矩阵列,总和为 0。

S = sum(A,"omitnan")

S = 1×4

1.7700    0.3350         0   -2.7600

输入参数

全部折叠

A --- 输入数组

向量 | 矩阵 | 多维数组 | 表 | 时间表

输入数组,指定为向量、矩阵、多维数组、表或时间表。

如果 A 是标量,则 sum(A) 返回 A。

如果 A 为 0×0 空矩阵,则 sum(A) 返回 0。

数据类型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical | char | duration | table | timetable

复数支持: 是

dim --- 沿其运算的维度

正整数标量

沿其运算的维度,指定为正整数标量。如果不指定维度,则默认为第一个大于 1 的数组维度。

维度 dim 表示长度减至 1 的维度。size(S,dim) 为 1,而所有其他维度的大小保持不变。

以一个二维输入数组 A 为例:

sum(A,1) 对 A 的列中的连续元素进行求和并返回一个包含每列之和的行向量。

sum(A,1) column-wise computation.

sum(A,2) 对 A 的行中的连续元素进行求和并返回一个包含每行之和的列向量。

sum(A,2) row-wise computation.

当 dim 大于 ndims(A) 或者 size(A,dim) 为 1 时,sum 返回 A。

数据类型: double | single | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

vecdim --- 维度向量

正整数向量

维度向量,指定为正整数向量。每个元素代表输入数组的一个维度。指定的操作维度的输出长度为 1,而其他保持不变。

以 2×3×3 输入数组 A 为例。然后 sum(A,[1 2]) 返回 1×1×3 数组,其元素是 A 的每个页的总和。

sum(A,[1 2]) collapses the pages of a 2-by-3-by-3 array into a 1-by-1-by-3 array.

数据类型: double | single | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

outtype --- 输出数据类型

"default" (默认) | "double" | "native"

输出数据类型,指定为 "default"、"double" 或 "native"。这些选项还指定执行运算采用的数据类型。

outtype 输出数据类型

"default" double,除非输入数据类型为 single、duration、table 或 timetable,在此情况下输出为 "native"

"double" double,除非数据类型为 duration、table 或 timetable,在此情况下不支持 "double"

"native" 与输入数据类型相同,除非输入数据类型为 char,在这种情况下不支持 "native";或者,除非输入数据类型为 timetable,在这种情况下输出数据类型为 table

nanflag --- 缺失值条件

"includemissing" (默认) | "includenan" | "omitmissing" | "omitnan"

缺失值条件,指定为下列值之一:

"includemissing" 或 "includenan" - 在计算总和时包括 A 中的 NaN 值。如果运算维度中的任一元素是 NaN,则 S 中的对应元素也是 NaN。"includemissing" 和 "includenan" 具有相同的行为。

"omitmissing" 或 "omitnan" - 忽略 A 中的 NaN 值,并基于较少的点计算总和。如果运算维度中的所有元素均为 NaN,则 S 中的对应元素为 0。"omitmissing" 和 "omitnan" 具有相同的行为。

相关推荐
技术仔QAQ几秒前
【tokenization分词】WordPiece, Byte-Pair Encoding(BPE), Byte-level BPE(BBPE)的原理和代码
人工智能·python·gpt·语言模型·自然语言处理·开源·nlp
WangYaolove13149 分钟前
请解释Python中的装饰器是什么?如何使用它们?
linux·数据库·python
宋发元33 分钟前
如何使用正则表达式验证域名
python·mysql·正则表达式
Dontla43 分钟前
Rust泛型系统类型推导原理(Rust类型推导、泛型类型推导、泛型推导)为什么在某些情况必须手动添加泛型特征约束?(泛型trait约束)
开发语言·算法·rust
Ttang231 小时前
Leetcode:118. 杨辉三角——Java数学法求解
算法·leetcode
喜欢打篮球的普通人1 小时前
rust模式和匹配
java·算法·rust
java小吕布1 小时前
Java中的排序算法:探索与比较
java·后端·算法·排序算法
XMYX-01 小时前
Python 操作 Elasticsearch 全指南:从连接到数据查询与处理
python·elasticsearch·jenkins
大福是小强1 小时前
035_Progress_Dialog_in_Matlab中的进度条对话框
ui·matlab·进度条·界面开发·ux·用户界面