Czy ktoś może polecić sposób na odwrócenie skumulowanej sumy na tablicy numpy?Wykonaj odwrotną sumę skumulowaną na tablicy numpy
Gdzie odwrotności skumulowanej sumy "jest zdefiniowany jak poniżej (Witam żadnych korekt w nazwą dla tej procedury):
razie
x = np.array([0,1,2,3,4])
następnie
np.cumsum(x)
daje
array([0,1,3,6,10])
Jednak chciałbym uzyskać
array([10,10,9,7,4]
Czy ktoś może sugerować sposób to zrobić?
To prawda:
np.cumsum(x[::-1])[::-1]
Dla zabawy, za pomocą anonimowej funkcji:
array = [0,1,2,3,4]
reverse = lambda a: a[::-1]
cumsum = lambda a: [ sum(a[:i+1]) for i,x in enumerate(a) ] # there is also an accumulate function present in the itertools module
print reverse(array)
print cumsum(array)
# sadly, no compose function in Python
reverse_cumsum = lambda a: reverse( cumsum (reverse(a)))
print reverse_cumsum(array)
Wynik:
[4, 3, 2, 1, 0]
[0, 1, 3, 6, 10]
[10, 10, 9, 7, 4]
FYI: 'a = np.random.randint (100, size = (1000))', '% timeit reverse_cumsum (a)': '1 pętli, najlepiej 3: 315 ms na pętlę','% timeit np.cumsum (a [:: - 1]) [:: - 1] ':' 100000 pętli, najlepiej 3: 8,89 μs na pętlę'. (Jeśli przełączę się z 'cumsum' na numpy's, to jest to' 9.75 μs na pętlę', więc wywołania funkcji nie dodają zbyt wiele narzutów, to tylko implementacja-w-python-i-wielokrotne-sumowanie- dla- nie rzeczywisty powód, który powoduje spowolnienie o 35 000 x). – Dougal
Tak dla przypomnienia: np.sum(x) - np.cumsum(x) jest również opcja, ale jest o połowę szybsza w przypadku dużych tablic (gdzie prędkość ma znaczenie):
In [8]: x = np.ones(1e8)
In [9]: %timeit np.cumsum(x[::-1])[::-1]
1 loops, best of 3: 547 ms per loop
In [10]: %timeit np.sum(x) - np.cumsum(x)
1 loops, best of 3: 974 ms per loop
i mniej eleganckie, gdy chcemy zrobić cumSum wzdłuż pewnego wymiaru innego niż pierwszy:
x = np.ones((1e3,1e3))
np.sum(x,axis=-1)[:,np.newaxis] - np.cumsum(x,axis=-1)
Można użyć .flipud() na to, jak dobrze, co jest równoznaczne z [::-1] https://docs.scipy.org/doc/numpy/reference/generated/numpy.flipud.html
In [0]: x = np.array([0,1,2,3,4])
In [1]: np.flipud(np.flipud(x).cumsum())
Out[1]: array([10, 10, 9, 7, 4]
.flip() jest nową wersją NumPy 1.12 i łączy w sobie .flipud() i .fliplr() API. https://docs.scipy.org/doc/numpy/reference/generated/numpy.flip.html
Jest to równoważne i ma mniej funkcji połączenia:
np.flip(np.flip(x, 0).cumsum(), 0)
równoważny sposób, ale różni się składni: x [:: - 1] .cumsum() [:: - 1] – Staza