如何用 numpy 对这个简单的算法进行矢量化？答案

【问题标题】：How can I vectorize this simple algorithm with numpy?如何用 numpy 对这个简单的算法进行矢量化？
【发布时间】：2012-11-30 21:24:59
【问题描述】：

或者像这样的真正迭代算法是不可矢量化的？

s += 使用可以用 cumsum 向量化，但总和的下限是有问题的。

是否有一些奇特的方式来使用滞后或移位？

s = 0
for (time, usage) in timeseries:
    s += usage
    s = max(s-rate, 0)
    new_timeseries[time] = s

我试探了一会儿，但什么也想不出来。

【问题讨论】：

标签： python numpy time-series vectorization

【解决方案1】：

先将timeseries 放入一个数组中。假设timeseries 的值为my_array。那么，

import numpy as np
s = np.cumsum(my_array) - rate
s[s < 0] = 0
new_timeseries = s

更新：这是不对的。当s 增量低于速率时，它不考虑将cumsum 归零。您可以使用导数找到cumsum 低于速率的点：

In [1]: dd = np.diff(np.cumsum(my_array))
In [2]: dd < rate
Out[3]: array([ True, False, True, False, False, True, True,  
                True, True, False, True, False, True, False,
                True, True, True, False, False], dtype=bool)

但是，这不会“重置”cumsum。可以沿着这些索引搜索并在“Trues”块中执行cumsum，但我不确定它是否会比您的循环更有效。

【讨论】：

这似乎是不正确的。它高估了s < rate sums 之后的总和。
@J.F.Sebastian，你说得对，我错过了那部分。甚至我最近的编辑也不对。
usage 总是 > 0，我应该提到。 np.diff(np.cumsum(a)) = 否？这似乎并不完整（您在回答中承认）。我以前没见过 np.diff，不过谢谢。