连乘连加 | 元素连乘prod, nanprod ;元素求和sum, nansum |
累加 | 累加cumsum, nancumsum ;累乘cumprod, nancumprod ; |
求和
在Numpy中可以非常方便地进行求和或者连乘操作,对于形如 x 0 , x 1 , ⋯ , xn的数组而言,其求和 ∑xi或者连乘 ∏xi分别通过sum
和prod
实现。
x = np.arange(10)
print(np.sum(x)) # 返回45
print(np.prod(x)) # 返回0
这两种方法均被内置到了数组方法中,
x += 1
x.sum() # 返回55
x.prod() # 返回3628800
有的时候数组中可能会出现坏数据,例如
x = np.arange(10)/np.arange(10)
print(x)
# [nan 1. 1. 1. 1. 1. 1. 1. 1. 1.]
其中x[0]
由于是0/0
,得到的结果是nan
,这种情况下如果直接用sum
或者prod
就会像下面这样
>>> x.sum()
nan
>>> x.prod()
nan
为了避免这种尴尬的现象发生,numpy
中提供了nansum
和nanprod
,可以将nan
排除后再进行操作
>>> np.nansum(x)
9.0
>>> np.nanprod(x)
1.0
累加和累乘
和连加连乘相比,累加累乘的使用频次往往更高,尤其是累加,相当于离散情况下的积分,意义非常重大。
from matplotlib.pyplot as plt
xs = np.arange(100)/10
ys = np.sin(xs)
ys1 = np.cumsum(ys)/10
plt.plot(xs, ys)
plt.plot(xs, ys1)
plt.show()
效果如图所示
cumprood
可以实现累乘操作,即
x = np.arange(1, 10)
print(np.cumprod(x))
# [ 1 2 6 24 120 720 5040 40320 362880]
与sum, prod
相似,cumprod
和cumsum
也提供了相应的nancumprod, nancumsum
函数,用以处理存在nan
的数组。
>>> x = np.arange(10)/np.arange(10)
<stdin>:1: RuntimeWarning: invalid value encountered in true_divide
>>> np.cumsum(x)
array([nan, nan, nan, nan, nan, nan, nan, nan, nan, nan])
>>> np.nancumsum(x)
array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])
>>> np.nancumprod(x)
array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])
trapz
cumsum
操作是比较容易理解的,可以理解为离散化的差分,比如
>>> x = np.arange(5)
>>> y = np.cumsum(x)
>>> print(x)
array([0, 1, 2, 3, 4])
>>> print(y)
array([ 0, 1, 3, 6, 10])
trap
为梯形积分求解器,同样对于[0,1,2,3,4]
这样的数组,那么稍微对高中知识有些印象,就应该知道[0,1]
之间的积分是
>>> np.trapz(x)
8.0
接下来对比一下trapz
和cumsum
作用在 sin x sin x sinx上的效果
from matplotlib.pyplot as plt
xs = np.arange(100)/10
ys = np.sin(xs)
y1 = np.cumsum(ys)/10
y2 = [np.trapz(ys[:i+1], dx=0.1) for i in range(100)]
plt.plot(xs, y1)
plt.plot(xs, y2)
plt.show()
结果如图,可见二者差别极小。
到此这篇关于Numpy数值积分的实现的文章就介绍到这了,更多相关Numpy数值积分内容请搜索aitechtogether.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持aitechtogether.com!