python - recorrer - numpy tutorial español pdf

Realizar una suma acumulativa inversa en una matriz numpy

Question

¿Alguien puede recomendar una manera de hacer una suma acumulativa inversa en una matriz numpy?

Donde se define la ''suma acumulada inversa'' como se indica a continuación (acojo con satisfacción cualquier corrección en el nombre para este procedimiento):

Si

x = np.array([0,1,2,3,4])

entonces

np.cumsum(x)

da

array([0,1,3,6,10])

Sin embargo, me gustaría conseguir

array([10,10,9,7,4]

¿Alguien puede sugerir una manera de hacer esto?

Answer 1

Esto lo hace:

np.cumsum(x[::-1])[::-1] 

Answer 2

Por diversión, usando la función anónima:

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)

Resultado:

[4, 3, 2, 1, 0]
[0, 1, 3, 6, 10]
[10, 10, 9, 7, 4]

Answer 3

Solo para el registro: np.sum(x) - np.cumsum(x) también es una opción, pero es la mitad de rápida en arreglos grandes (donde la velocidad es importante):

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

y menos elegante cuando se quiere hacer un cumsum en una dimensión distinta a la primera:

x = np.ones((1e3,1e3))
np.sum(x,axis=-1)[:,np.newaxis] - np.cumsum(x,axis=-1)

Answer 4

También puede usar .flipud() para esto, que es equivalente a [::-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() es nuevo a partir de NumPy 1.12, y combina .flipud() y .fliplr() en una API. https://docs.scipy.org/doc/numpy/reference/generated/numpy.flip.html

Esto es equivalente, y tiene menos llamadas a funciones:

np.flip(np.flip(x, 0).cumsum(), 0)