T(i) = Tm(i) + (T(i-1)-Tm(i))**(-tau(i))
Tm并且tau是先前已经计算过的具有相同长度的NumPy向量,并且期望创建新向量T.在i它只是为了说明什么是想要的元素索引.
这种情况需要for循环吗？
更新:不确定在没有某种形式的循环的情况下是否可行,但np.where在此处不起作用.如果答案是"你不能",那就这样吧.如果可以,它可以使用来自的东西scipy.signal.
我想在下面的代码中对循环进行矢量化,但由于输出的递归性质,不确定如何.
走我当前的设置:
获取起始金额(100万美元)和季度美元分配(5,000美元):
dist = 5000.
v0 = float(1e6)
在每月频率生成一些随机安全/帐户返回(十进制形式):
r = pd.Series(np.random.rand(12) * .01,
index=pd.date_range('2017', freq='M', periods=12))
创建一个包含月度帐户值的空系列:
value = pd.Series(np.empty_like(r), index=r.index)
添加"开始月份" value.这个标签将包含v0.
from pandas.tseries import offsets
value = (value.append(Series(v0, index=[value.index[0] - offsets.MonthEnd(1)]))
.sort_index())
我想摆脱的循环在这里:
for date in value.index[1:]:
if date.is_quarter_end:
value.loc[date] = value.loc[date - offsets.MonthEnd(1)] \
* (1 + r.loc[date]) - dist
else:
value.loc[date] = value.loc[date - offsets.MonthEnd(1)] \
* (1 + r.loc[date])
合并代码:
import pandas …我试图通过在numpy中使用矢量化形式来使一些代码更有效.让我举个例子让你知道我的意思.
给出以下代码:
a = np.zeros([4,4])
a[0] = [1., 2., 3., 4.]
for i in range(len(a)-1):
a[i+1] = 2*a[i]
print a
它输出
[[ 1. 2. 3. 4.]
[ 2. 4. 6. 8.]
[ 4. 8. 12. 16.]
[ 8. 16. 24. 32.]]
当我现在尝试像这样向量化代码:
a = np.zeros([4,4])
a[0] = [1., 2., 3., 4.]
a[1:] = 2*a[0:-1]
print a
我只是让第一次迭代正确:
[[ 1. 2. 3. 4.]
[ 2. 4. 6. 8.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]
是否有可能以矢量化形式有效地编写上面的代码(下一次迭代总是访问上一次迭代)或者我是否必须保持for循环？
我有一个时间序列需要递归处理以获得时间序列结果(res).这是我的示例代码:
res=s.copy()*0
res[1]=k # k is a constant
for i in range(2,len(s)):
res[i]=c1*(s[i]+s[i-1])/2 +c2*res[i-1]+c3*res[i-2]
其中c1,c2,c3是常数.它工作正常,但我想使用矢量化,我试过:
res[2:]=c1*(s[2:]+s[1:-1])/2+c2*res[1:-1]+c3*res[0:-2]
但我得到"ValueError:
如果我试着, 操作数不能与形状(1016)(1018)一起广播"
res=c1*(s[2:]+s[1:-1])/2+c2*res[1:-1]+c3*res[0:-2]
没有给出任何错误,但是我得不到正确的结果,因为必须在计算发生之前初始化res [0]和res [1].有没有办法用矢量化处理它？
任何帮助将不胜感激,谢谢!