我如何用numpy向量化这个简单的算法？

Question

或者像这样的真正的迭代算法是不可向量化的？

的+=使用率可以用cumsum向量化，但是sum上的下限是有问题的。

有没有什么奇妙的方法来使用lags或shifting呢？

s = 0
for (time, usage) in timeseries:
    s += usage
    s = max(s-rate, 0)
    new_timeseries[time] = s

我仔细研究了一会儿，但什么也想不出来。

Answer 1

首先将timeseries放入数组中。让我们假设timeseries的值是my_array。然后,

import numpy as np
s = np.cumsum(my_array) - rate
s[s < 0] = 0
new_timeseries = s 

更新：这是不正确的。当s的增量低于该速率时，它不会考虑将cumsum置零。您可以使用导数找到cumsum低于rate的点：

In [1]: dd = np.diff(np.cumsum(my_array))
In [2]: dd < rate
Out[3]: array([ True, False, True, False, False, True, True,  
                True, True, False, True, False, True, False,
                True, True, True, False, False], dtype=bool)

但是，这不会“重置”cumsum。一个人可以沿着这些索引搜索并在“Trues”块中执行cumsum，但我不确定它是否会比您的循环更有效。