Question

假设我有一个使用范围的for循环，如下所示。有没有一种好方法可以消除for循环并仅使用numpy数组？

y =[146, 96, 59, 133, 192, 127, 79, 186, 272, 155, 98, 219]

At=3
Bt=2
Aindex=[]
Bindex=[]
for i in range(len(y)-1):
    A =At
    B =Bt

    At =y[i] / y[i] + 5 * (A + B)
    Aindex.append(At)
    Bt =(At - A) + y[i+1] * B
    Bindex.append(Bt)

我会使用像

这样的东西

c=len(y)-1
Aindex=y[:c]/y[:c]+5* (A + B)

但A和B在循环中更新。我也不知道如何在Bt方程中对y [i + 1]进行矢量化

Answer 1

您在Iterating over a numpy array with enumerate like function中询问了类似内容，但A和B没有改变。

严格来说，由于Bt中的更改，您无法对此案例进行矢量化。这是一个迭代问题，i+1项取决于i项。大多数numpy向量运算一次在所有条件上运行（有效）。

您是否可以重做问题，以便使用cumsum和/或cumprod？这些是逐步通过向量（或数组的轴），计算累积和或产品的内置方法。 numpy's概括为ufunc.accumulate http://docs.scipy.org/doc/numpy/reference/generated/numpy.ufunc.accumulate.html

与此同时，我建议更多地使用数组

y = np.array(y)
At = np.zeros(y.shape)
Bt = np.zeros(y.shape)
At[0] = 3
Bt[0] = 2 
for i in range(len(y)-1):
    A, B = At[i],Bt[i]
    At[i+1] =y[i] / y[i] + 5 * (A + B)
    Bt[i+1] =(At[i+1] - A) + y[i+1] * B

numpy使用nditer一起遍历多个数组（包括输出数组）。 http://docs.scipy.org/doc/numpy/reference/arrays.nditer.html虽然我怀疑它在处理多维数组时更有用。对于你的1d阵列来说，它可能有点过分。如果速度变得至关重要，您仍然可以使用此文档，并在cython中实现该问题。

使用不同索引的numpy迭代

1 个答案: