Обобщенные кумулятивные функции в NumPy/SciPy?

Есть ли функция в numpy или scipy (или какая-то другая библиотека), которая обобщает идею cumsum и cumprod для произвольной функции. Например, рассмотрим (теоретическую) функцию

cumf( func, array)

func - это функция, которая принимает два поплавков и возвращает float. Частные случаи

lambda x,y: x+y

lambda x,y: x*y

- cumsum и cumprod соответственно. Например, если

func = lambda x,prev_x: x^2*prev_x

и я применяю его к:

cumf(func, np.array( 1, 2, 3) )

Я хотел бы

np.array( 1, 4, 9*4 )

Ответ 1

NumPy ufuncs имеют accumulate():

In [22]: np.multiply.accumulate([[1, 2, 3], [4, 5, 6]], axis=1)
Out[22]: 
array([[  1,   2,   6],
       [  4,  20, 120]])

К сожалению, вызов accumulate() в функции frompyfunc() 'ed Python завершается со странной ошибкой:

In [32]: uadd = np.frompyfunc(lambda x, y: x + y, 2, 1)

In [33]: uadd.accumulate([1, 2, 3])
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)

ValueError: could not find a matching type for <lambda> (vectorized).accumulate, 
            requested type has type code 'l'

Это использует NumPy 1.6.1 с Python 2.7.3.

Ответ 2

Вышеуказанная ошибка ValueError все еще является ошибкой при использовании Numpy 1.17.2 (с Python 3.7.3).

К счастью, был найден обходной путь, который использует приведение: https://groups.google.com/forum/#!topic/numpy/JgUltPe2hqw

import numpy as np
uadd = np.frompyfunc(lambda x, y: x + y, 2, 1)
uadd.accumulate([1,2,3], dtype=np.object).astype(np.int)
# array([1, 3, 6])

Обратите внимание, что поскольку пользовательская операция работает с np.object, она не выиграет от эффективного управления памятью numpy. Таким образом, операция может быть медленнее, чем операция, которая не нуждалась в приведении к объекту для очень больших массивов.