Numpy how to use np.cumprod to vectorize python for i in range function(Numpy如何在Range函数中使用np.umprod向量化i的python)

本文介绍了Numpy如何在Range函数中使用np.umprod向量化i的python的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！

问题描述

我有两个python函数。第一个：

import numpy as np
import math
mt = np.array([1, 2, 3, 4, 5, 6, 7])
age, interest = 3, 0.5

def getnpx(mt, age, interest):
    val = 1
    initval = 1
    for i in range(age, 7):
        val = val * mt[i]
        intval = val / (1 + interest) ** (i + 1 - age)
        initval = initval + intval
    return initval

输出为：

214.03703703703704

为了加快速度，我使用Numpy对其进行了矢量化：

def getnpx_(mt, age, interest):
    return 1 + (np.cumprod(mt[age:7]) / (1 + interest)**np.arange(1, 8 - age)).sum()

getnpx_(mt, age, interest)

运行正常，输出仍为：

214.03703703703704

但是，我不知道如何通过numpy向量化我的另一个函数：

def getnpx2(mt, age, interest):
    val = mt[age]
    initval = 1
    for i in range(age + 2, 8):
        val *= mt[i - 1]
        intval = val / (1 + interest) ** (i - age - 1) / mt[age]
        initval = initval + intval
    return initval

任何朋友都可以帮助您？

推荐答案

您的函数是：

def getnpx_(mt, age, interest):
    return (np.cumprod(mt[age:7]) / (1 + interest)**np.arange(7 - age)).sum() / mt[age]

这篇关于Numpy如何在Range函数中使用np.umprod向量化i的python的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！