python - 我如何用 numpy 向量化这个简单的算法？

Question

或者像这样的真正的迭代算法是不可向量化的吗？

s += 用法可以用 cumsum 向量化，但是求和的底数是有问题的。

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

我仔细研究了一会儿，但什么也想不出来。

Answer 1

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

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。您可以找到 cumsum 低于导数的点:

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“True” block 中执行 cumsum，但我不确定它是否比您的循环更有效。