Scipy / Numpy：多个指数的总和

Question

假设我有一个表达式，我需要找到它的总和：

其中边界是有限的并且是已知的。在scipy / numpy中计算这样一笔总和的最快或最有效的方法是什么。它可以用嵌套的for循环完成，但有更好的方法吗？

Answer 1

怎么样

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

Answer 2

对于这些总和，

np.einsum也可能是一种选择。正如nevsan所示，对于由b限制的a，您需要先使用np.cumsum，而np.einsum在给定的示例中不应该更快。

它看起来像这样：

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

然而，这种情况会慢得多，因为einsum并没有优化z总和只需要进行一次这样的事实，所以你需要手工重新制定它：

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

然而，在这种情况下应该比nevsan基于np.dot的方法慢，因为dot通常应该更好地优化（即。np.einsum(ii->, a, b)比np.dot(a, b)慢。但是，如果你有更多的数组要总结，那么它可能是个不错的选择。