重新启动累计并获得索引（如果累计超过值）

重新启动累计并获得索引（如果累计超过值）

这是一个带有numba和数组初始化的代码-

from numba import njit@njitdef cumsum_breach_numba2(x, target, result):    total = 0    iterID = 0    for i,x_i in enumerate(x):        total += x_i        if total >= target: result[iterID] = i iterID += 1 total = 0    return iterIDdef cumsum_breach_array_init(x, target):    x = np.asarray(x)    result = np.empty(len(x),dtype=np.uint64)    idx = cumsum_breach_numba2(x, target, result)    return result[:idx]

时机

包括

@piRSquared'ssolutions

并使用同一篇文章中的基准测试设置-

In [58]: np.random.seed([3, 1415])    ...: x = np.random.randint(100, size=1000000).tolist()# @piRSquared soln1In [59]: %timeit list(cumsum_breach(x, 10))10 loops, best of 3: 73.2 ms per loop# @piRSquared soln2In [60]: %timeit cumsum_breach_numba(np.asarray(x), 10)10 loops, best of 3: 69.2 ms per loop# From this postIn [61]: %timeit cumsum_breach_array_init(x, 10)10 loops, best of 3: 39.1 ms per loop

Numba：追加与数组初始化

为了更仔细地了解数组初始化有何帮助，这似乎是两个numba实现之间的最大差异，让我们将它们放在数组数据上，因为数组数据的创建本身就很耗时，而且它们都依赖于它-

In [62]: x = np.array(x)In [63]: %timeit cumsum_breach_numba(x, 10)# with appending10 loops, best of 3: 31.5 ms per loopIn [64]: %timeit cumsum_breach_array_init(x, 10)1000 loops, best of 3: 1.8 ms per loop

为了强制输出拥有自己的存储空间，我们可以制作一个副本。虽然不会大幅度改变事情-

In [65]: %timeit cumsum_breach_array_init(x, 10).copy()100 loops, best of 3: 2.67 ms per loop