我正在使用带有numpy的矩阵进行相当复杂的求和.
矩阵的形状是matrix.shape =(500,500),数组的形状是arr.shape =(25,).操作如下：

totalsum = np.sum([i * matrix for i in arr])

这是我不明白的：

np.sum()非常慢并返回一个浮点float64.使用Python的总和(.)执行相同的操作,即

totalsum2 = sum([i*matrix for i in arr])

保留矩阵的形状.也就是说,得到的形状是totalsum2.shape()=(500,500).咦？

我也认为np.sum()花费的时间比sum()更奇怪,特别是当我们使用numpy ndarrays时.

到底发生了什么？
与sum()相比,np.sum()如何将上述值相加？

我想np.sum()来保留矩阵形状.如何设置尺寸,使np.sum()保留矩阵大小并且不返回单个浮点数？