Numpy 如何使用 np.cumprod 为范围函数中的 i 向量化 python

Question

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

为了让它更快，我用了numpy来向量化它：

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

getnpx_(mt, age, interest)

有效，输出仍然是：

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

有朋友可以帮忙吗？

Answer 1

你的函数是：

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

Numpy 如何使用 np.cumprod 为范围函数中的 i 向量化 python

Numpy how to use np.cumprod to vectorize python for i in range function

python

numpy

vectorization

numpy-ndarray