Jak działa numpy cumprod w języku Python? Przykład zastosowania

Jeśli kiedykolwiek pracowałeś z biblioteką NumPy w Pythonie, z pewnością natknąłeś się na różne funkcje operujące na tablicach. Jedną z nich jest numpy.cumprod(), która oblicza skumulowany iloczyn elementów tablicy. W tym artykule omówię, jak działa numpy.cumprod(), pokażę przykłady użycia oraz omówię praktyczne zastosowania.

Czym jest numpy.cumprod()?

Funkcja numpy.cumprod() służy do obliczania skumulowanego iloczynu wzdłuż określonej osi (axis) w tablicy NumPy. Oznacza to, że każdy element zwróconej tablicy jest iloczynem wszystkich poprzednich elementów w określonym kierunku.

Składnia numpy.cumprod()

Podstawowa składnia funkcji wygląda następująco:

numpy.cumprod(a, axis=None, dtype=None, out=None)

Gdzie:

• a – wejściowa tablica NumPy.
• axis – określa oś, wzdłuż której obliczany jest skumulowany iloczyn (domyślnie cała tablica).
• dtype – opcjonalny typ danych wyniku.
• out – opcjonalna tablica do zapisania wyniku.

Podstawowy przykład użycia numpy.cumprod()

Rozważmy prosty przykład użycia tej funkcji:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
result = np.cumprod(arr)
print(result)

Wynik to:

[  1   2   6  24 120]

Jak widać, każdy kolejny element tablicy wynikowej to iloczyn wszystkich poprzednich wartości.

Użycie numpy.cumprod() w tablicach wielowymiarowych

Gdy mamy tablice wielowymiarowe, możemy określić oś (axis), wzdłuż której obliczamy skumulowany iloczyn. Zobaczmy przykład:

arr = np.array([[1, 2, 3], 
                [4, 5, 6]])

result_axis_0 = np.cumprod(arr, axis=0)
result_axis_1 = np.cumprod(arr, axis=1)

print("Wynik dla axis=0:\n", result_axis_0)
print("Wynik dla axis=1:\n", result_axis_1)

Wynikiem będą:

Wynik dla axis=0:
[[ 1  2  3]
 [ 4 10 18]]

Wynik dla axis=1:
[[  1   2   6]
 [  4  20 120]]

W pierwszym wywołaniu (axis=0) wartości są mnożone wzdłuż kolumn, w drugim (axis=1) wzdłuż wierszy.

numpy.cumprod() z określonym typem danych

Czasami zachodzi potrzeba określenia, jakiego typu danych ma używać NumPy do przechowywania wartości. Jest to przydatne, gdy chcemy uniknąć przepełnienia liczb całkowitych:

arr = np.array([1, 2, 3, 4, 5], dtype=np.int8)
result = np.cumprod(arr, dtype=np.int64)

print("Oryginalny typ danych:", arr.dtype)
print("Nowy typ danych:", result.dtype)

Otrzymamy:

Oryginalny typ danych: int8
Nowy typ danych: int64

W ten sposób możemy kontrolować precyzję obliczeń.

Praktyczne zastosowania numpy.cumprod()

numpy.cumprod() znajduje zastosowanie w różnych dziedzinach, w tym w finansach, analizie danych i symulacjach matematycznych. Oto kilka praktycznych przykładów:

1. Analiza finansowa: Obliczanie wartości portfela przy reinwestowaniu zysków.
2. Modelowanie wzrostu: Symulacje demograficzne lub epidemiologiczne.
3. Przetwarzanie sygnałów: Mnożenie współczynników w algorytmach filtracji.

Porównanie numpy.cumprod() i numpy.prod()

Warto porównać numpy.cumprod() z pokrewną funkcją numpy.prod(), która również operuje na iloczynie elementów:

Funkcja	Opis
numpy.cumprod()	Zwraca tablicę skumulowanego iloczynu.
numpy.prod()	Zwraca pojedynczą wartość będącą całkowitym iloczynem wszystkich elementów.

Przykład różnicy:

arr = np.array([1, 2, 3, 4, 5])

cumprod_result = np.cumprod(arr)
prod_result = np.prod(arr)

print("numpy.cumprod:", cumprod_result)
print("numpy.prod:", prod_result)

Wynik:

numpy.cumprod: [  1   2   6  24 120]
numpy.prod: 120

Jak widać, numpy.prod() zwraca pojedynczą wartość, podczas gdy numpy.cumprod() generuje pełną tablicę wynikową.

Podsumowanie

Funkcja numpy.cumprod() w języku Python pozwala na łatwe obliczanie skumulowanego iloczynu elementów tablicy NumPy. Jest niezwykle użyteczna w analizie danych, finansach i modelowaniu matematycznym. Możliwość określenia osi oraz typu danych sprawia, że jest to wszechstronne narzędzie do pracy z dużymi zbiorami danych. Mam nadzieję, że ten artykuł pomógł Ci lepiej zrozumieć, jak działa numpy cumprod w języku Python. Przykład zastosowania pokazuje jego zalety i elastyczność.

 

Inny ciekawy artykuł:

Jak działa numpy cumsum w języku Python? Przykład zastosowania