如何高效计算NumPy数组的特定三角函数累加乘积和？

计算规律分析 #

对于任意长度的数组A，你需要的累加和可拆解为：每一项是cos(A[i])乘以A中前i个元素（索引0到i-1）的sin值的乘积，当i=0时，乘积项为1（无前置元素）。展开形式为：

cos(A[0]) + cos(A[1])×sin(A[0]) + cos(A[2])×sin(A[1])×sin(A[0]) + ... + cos(A[-1])×sin(A[-2])×...×sin(A[0])

numpy高效实现方案 #

利用numpy的向量运算和累积乘积函数cumprod，可避免循环，大幅提升计算效率，代码如下：

import numpy as np

def compute_custom_sum(A):
    sin_vals = np.sin(A)
    # 生成前置sin值的累积乘积数组：开头补1，取前len(A)项
    cum_sin_products = np.cumprod(np.insert(sin_vals, 0, 1))[:-1]
    cos_vals = np.cos(A)
    return np.sum(cos_vals * cum_sin_products)

# 测试示例
A = np.array([1,2,3,4])
print(compute_custom_sum(A))

原理说明 #

1. np.sin(A)计算数组所有元素的sin值，得到sin_vals
2. np.insert(sin_vals, 0, 1)在sin_vals开头插入1，再用cumprod计算累积乘积，最后取前len(A)项，得到的cum_sin_products正好对应每一项cos(A[i])需要乘的前置sin乘积
3. 将cos_vals与cum_sin_products逐元素相乘后求和，即为最终结果

这种方法基于numpy底层优化运算，处理大数组时比Python循环快数个数量级。

内容的提问来源于stack exchange，提问作者Algebro1000