如何仅用Numpy实现带累加器叠加的动态最小值计算？

当然可以用纯Numpy实现这个逻辑，你的计算逻辑是递推式依赖前一步结果（每一步的累加器值取决于上一步的输出），以下是两种具体实现方案：

方案1：显式循环实现 #

这是最直观的方式，逐个迭代数组元素并更新累加器，将结果存入Numpy数组：

import numpy as np

a = np.array([3,  5,  7, 13, 18])
b = np.array([2, 1, 2, 2, 5])

# 初始化结果数组，与a同类型同形状
result = np.empty_like(a)
acc = 0  # 初始累加器值

for i in range(a.size):
    acc = min(a[i], acc + b[i])
    result[i] = acc

print(result)
# 输出：array([ 2,  3,  5,  7, 12])

方案2：结合np.fromiter与生成器 #

如果想避免显式索引循环，可以用生成器封装递推逻辑，再通过np.fromiter直接生成Numpy数组：

import numpy as np

a = np.array([3,  5,  7, 13, 18])
b = np.array([2, 1, 2, 2, 5])

def running_min_generator(arr_a, arr_b, initial=0):
    acc = initial
    for ai, bi in zip(arr_a, arr_b):
        acc = min(ai, acc + bi)
        yield acc

# 从生成器创建Numpy数组
result = np.fromiter(running_min_generator(a, b), dtype=a.dtype)

print(result)
# 输出：array([ 2,  3,  5,  7, 12])

说明 #

由于你的计算逻辑是状态依赖型（每一步的输出作为下一步的输入），无法通过纯向量化的Numpy操作（如cumsum这类无状态累加）实现。上述两种方案均为纯Numpy环境下的实现，无需依赖itertools库。

内容的提问来源于stack exchange，提问作者Kevin