Numpy如何使用np.在range函数中向量化python的I

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

为了使它更快，我使用numpy对它进行矢量化:

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

它工作，输出仍然是:

214.03703703703704

然而，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

你的功能是:

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