问题描述
我正在寻找一个能够有效评估的numpy函数（或来自任何其他软件包的函数）
f是向量值输入x的向量值函数。 该产品被认为是一个简单的组件乘法。
这里的问题是每个x向量的长度和要乘以（ N ）的结果向量的总数（ f的x ）非常大，大约为数百万。
因此，不可能一次产生所有结果（它不适合存储器），然后使用np.multiply.reduce等将它们相乘。
我想要替换的代码类型的玩具示例是：
import numpy as np
x = np.ones(1000000)
prod = f(x)
for i in range(2, 1000000):
prod *= f(i * np.ones(1000000))
f是一个向量值函数，其输出维数等于其输入的维数。
可以肯定的是：我不是在寻找等效的代码，而是为了一个高度优化的功能。 有这样的事吗？
对于熟悉Wolfram Mathematica的人 ：它将等同于 。
在Mathematica中 ，我可以简单地编写Product[f[i ConstantArray[1,1000000]],{i,1000000}] 。
1楼
Numpy 都有一个方法。 是一个 。 所以这是一个单行：
np.multiply.reduce(v)
其中v是您希望以同样有效的方式计算的值的向量。
要计算向量，只需将函数应用于输入：
v = f(x)
以你的例子为例：
np.multiply.reduce(np.sin(x))
替代
是一种更简单的表达相同内容的 ：
np.prod(v)
您也可以直接在矢量上使用方法：
v.prod()