利用numpy的FIFO方法
利用numpy的FIFO方法
提问于 2019-11-11 14:23:59
我想使用numpy实现FIFO方法。具体来说，我有一个numpy数组STOCK，如下所示
import numpy
numpy.random.seed(1)
STOCK = numpy.random.randint(1, 9, size=(10_000, 10))
STOCK = array([
[6, 4, 5, ..., 6, 8, 1],
[1, 2, 5, ..., 2, 3, 5],
[7, 6, 3, ..., 5, 6, 7],
...,
[2, 5, 8, ..., 7, 6, 1],
[2, 8, 7, ..., 2, 8, 4],
[1, 2, 6, ..., 1, 1, 3]])，其中每一行表示不同的产品类别，每一列表示在特定日期购买的项目数量。
现在，我有了第二个数组SOLD，它如下所示
SOLD = numpy.random.randint(1, 9, size=10_000)
SOLD = array([1, 7, 3, ..., 6, 8, 5])其中每个数字代表每个类别销售的产品数量。
现在我想使用STOCK 方法更新 FIFO 数组，也就是说，我想预订每个产品类别的第一个累积的n个元素。在上述情况下，输出应该类似于
UPDATED_STOCK= array([
[5, 4, 5, ..., 6, 8, 1], # 6-1, 4, 5, ... BOOKED OUT=1
[0, 0, 1, ..., 2, 3, 5], # 1-1, 2-2, 5-4, ... BOOKED OUT=7
[4, 6, 3, ..., 5, 6, 7], # 7-3, 6, 3, ... BOOKED OUT=3
...,
[0, 1, 8, ..., 7, 6, 1], # 2-2, 5-4, 8, ... BOOKED OUT=6
[0, 2, 7, ..., 2, 8, 4], # 2-2, 8-6, 7, ... BOOKED OUT=8
[0, 0, 4, ..., 1, 1, 3]]) # 1-1, 2-2, 6-2, ... BOOKED OUT=5然而，我不知道如何解决这个问题。有什么想法吗？
回答 3
Stack Overflow用户
发布于 2019-11-11 14:44:01
我希望这是合适的。
import numpy as np
np.random.seed(1)
STOCK = np.random.randint(1, 9, size=(10000, 10))
SOLD = np.random.randint(1, 9, size=10000)
i = 0
while SOLD.sum() > 0:
# The minimum between the ith column of STOCK and SOLD
MIN = np.minimum(SOLD, STOCK[:, i])
STOCK[:, i] -= MIN
SOLD -= MIN
i += 1Stack Overflow用户
发布于 2019-11-11 19:39:09
一种更简洁的方式，使用cumsum
import numpy as np
x = np.random.randint(1,10, size=(7, 5))
out = np.random.randint(1,10, size=(7, 1))
print(x, out)
cum = x.cumsum(1)
np.diff(np.hstack((np.zeros(x.shape[0])[:,None], np.clip(cum - out, 0, cum.max()))))基本上，您要对数组进行累加和，取出out，剪辑到0，然后将其和回来。这将复制一个类似FIFO的进程。它是矢量化的。
Stack Overflow用户
发布于 2019-11-12 14:11:26
更新：我找到了一个非常快速的解决方案(类似于的解决方案)
numpy.random.seed(1)
STOCK = numpy.random.randint(1, 9, size=(10_000, 10))
SOLD = numpy.random.randint(1, 9, size=10_000)
def book_out(stock, sold):
booking_out = numpy.minimum(stock.cumsum(axis=1), sold[:,None])
booking_out[:,1:] -= booking_out[:,:-1]
stock -= booking_out%timeit book_out(STOCK.copy(), SOLD.copy())
> 1.13 ms ± 5.79 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/58803214
复制相关文章
相似问题
腾讯云开发者
