Итерация и накопление по массиву с помощью пользовательской функции - PullRequest
Новая
       9

Итерация и накопление по массиву с помощью пользовательской функции

0 голосов
/ 21 мая 2018

В течение более 7 лет были некоторые связанные вопросы, но я поднимаю эту проблему еще раз, так как не вижу способа итеративного способа «numpy».

Задача состоит в следующем: если у меня numpyмассив 'arr' и пользовательская функция 'fn', как я могу итеративно применить 'fn' к 'arr'?'fn' не может быть сконструирован инструментами ufunc.

Ниже приводится код toy_code, который я придумаю следующим образом: 

import numpy as np

r_list = np.arange(1,6,dtype=np.float32)
# r_list = [1. 2. 3. 4. 5.]
r_list_extended = np.append([0.],r_list)
R_list_extended = np.zeros_like(r_list_extended)
print(r_list)
gamma = 0.99
pv_mc = lambda a, x: x+ a*gamma

# no cumsum, accumulate available
for i in range(len(r_list_extended)):
    if i ==0: continue
    else: R_list_extended[i] = pv_mc(R_list_extended[i-1],r_list_extended[i])

R_list = R_list_extended[1:]
print(R_list)
# R_list == [ 1.          2.99        5.9601      9.900499   14.80149401]

r_list - это массив значений r для каждого времени.R_list - совокупная сумма дисконтированного r.Предположим, что r_list и R_list предварительно возвращены.Цикл выше делает R [t]: r [t] + гамма * R [t-1]

Я не думаю, что это лучший способ использовать numpy .... Если можно использовать тензор потока, затем tf.scan () выполняет работу, как показано ниже: 

import numpy as np
import tensorflow as tf

r_list = np.arange(1,6,dtype=np.float32)
# r_list = [1. 2. 3. 4. 5.]
gamma = 0.99
pv_mc = lambda a, x: x+ a*gamma
R_list_graph = tf.scan(pv_mc, r_list, initializer=np.array(0,dtype=np.float32))

with tf.Session() as sess:
    R_list = sess.run(R_list_graph, feed_dict={})
    print(R_list)
    # R_list = [ 1.        2.99      5.9601    9.900499 14.801495]

Заранее благодарим за помощь!

1 Ответ

0 голосов
/ 21 мая 2018

Вы можете использовать np.frompyfunc, документация которого немного неясна. 

import numpy as np

r_list = np.arange(1,6,dtype=np.float32)
# r_list = [1. 2. 3. 4. 5.]
r_list_extended = np.append([0.],r_list)
R_list_extended = np.zeros_like(r_list_extended)
print(r_list)
gamma = 0.99
pv_mc = lambda a, x: x+ a*gamma
ufunc = np.frompyfunc(pv_mc, 2, 1)
R_list = ufunc.accumulate(r_list, dtype=np.object).astype(float)
print(R_list)
...