在numpy或scipy (或其他库)中,有没有一个函数可以将cumsum和cumprod的概念推广到任意函数。例如,考虑(理论)函数
cumf( func, array)
func是一个接受两个浮点数的函数,并返回一个浮点数。特殊情况
lambda x,y: x+y
和
lambda x,y: x*y
分别是cumsum和cumprod。例如,如果
func = lambda x,prev_x: x^2*prev_x
我将其应用于:
cumf(func, np.array( 1, 2, 3) )
我想要
np.array( 1, 4, 9*4 )
发布于 2012-12-12 05:14:31
NumPy的ufuncs有accumulate()
In [22]: np.multiply.accumulate([[1, 2, 3], [4, 5, 6]], axis=1)
Out[22]:
array([[ 1, 2, 6],
[ 4, 20, 120]])
不幸的是,在frompyfunc()
'ed Python函数上调用accumulate()
失败,并显示一个奇怪的错误:
In [32]: uadd = np.frompyfunc(lambda x, y: x + y, 2, 1)
In [33]: uadd.accumulate([1, 2, 3])
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
ValueError: could not find a matching type for <lambda> (vectorized).accumulate,
requested type has type code 'l'
它使用的是NumPy 1.6.1和Python2.7.3。
发布于 2015-01-13 07:11:00
上面的ValueError仍然是一个使用Numpy 1.20.1 (使用Python3.9.1)的bug。
幸运的是,发现了一种使用强制转换的解决方法:https://groups.google.com/forum/#!topic/numpy/JgUltPe2hqw
import numpy as np
uadd = np.frompyfunc(lambda x, y: x + y, 2, 1)
uadd.accumulate([1,2,3], dtype=object).astype(int)
# array([1, 3, 6])
请注意,由于自定义操作在对象类型上工作,因此它不会从numpy的有效内存管理中受益。因此,对于非常大的数组,该操作可能比不需要强制转换为object的操作慢。
https://stackoverflow.com/questions/13828599
复制相似问题