Scipy/Numpy：对多个索引求和答案

【问题标题】：Scipy/Numpy: summation over multiple indicesScipy/Numpy：对多个索引求和
【发布时间】：2012-10-04 23:13:54
【问题描述】：

假设我有一个表达式，我需要对其求和：

边界是有限且已知的。在 scipy/numpy 中计算这样一个总和的最快或最有效的方法是什么？可以使用嵌套的 for 循环来完成，但有没有更好的方法？

【问题讨论】：

【解决方案1】：

怎么样

np.dot(x[:amax], np.cumsum(y[:amax] * np.sum(z[cmin:cmax])))

【讨论】：

【解决方案2】：

np.einsum 也可能是此类总和的一种选择。正如 nevsan 所示，对于以a 为界的b，您需要首先使用np.cumsum，并且在给定示例中np.einsum 不应该更快。

它可能看起来像这样：

 y_acc = np.add.accumulate(y[:amax]) # same as cumsum
 result = np.einsum('i,i,j->', x[:amax], y_acc, z[cmin:cmax])

但是这非常慢，因为 einsum 没有优化 z 求和只需执行一次这一事实，因此您需要手动重新制定它：

result = np.einsum('i,i->', x[:amax], y_summed) * z[cmin:cmax].sum()

在这种情况下应该比基于 nevsan 的 np.dot 的方法慢，因为 dot 通常应该得到更好的优化（即 np.einsum(ii->, a, b) 比 np.dot(a, b) 慢）。但是，如果您有更多的数组需要求和，这可能是一个不错的选择。

【讨论】：