如何用Numpy实现跨数组时重置fmax.accumulate（无循环）

需求：计算数组long的累积最大值，当累积值（若不重置）大于等于对应位置的RsiMa数组值时，将该位置的累积结果设为long的当前值，并从此位置重新开始累积最大值计算。要求完全使用Numpy实现，禁止循环。

解决方案代码 #

import numpy as np

# 示例输入数据（可替换为实际数据）
RsiMa = np.array([4, 4, 4, 3, 5, 2, 1])
DeltaFastAtrRsi = RsiMa - np.array([1, 2, 3, 2, 4, 1, 0.5])
long = RsiMa - DeltaFastAtrRsi

# 1. 计算无重置的基础累积最大值
temp_acc = np.fmax.accumulate(long)
# 2. 生成重置掩码：标记需要重置累积的位置
reset_mask = temp_acc >= RsiMa
# 3. 计算每个位置的最近重置点（包括自身）
reset_idx = np.where(reset_mask, np.arange(len(long)), -1)
last_reset = np.maximum.accumulate(reset_idx)
# 修正首个位置的重置点（若未触发重置，设为起始索引0）
if not reset_mask[0]:
    last_reset[0] = 0
# 4. 定位所有新累积区间的起始位置
group_starts = np.where(last_reset[1:] != last_reset[:-1])[0] + 1
# 5. 修正累积最大值数组，在重置点处重新开始累积
longband = temp_acc.copy()
longband[group_starts] = long[group_starts]

print(longband)
# 输出结果：[1.  2.  3.  2.  4.  1.  0.5]

步骤解释 #

1. 基础累积最大值：先用np.fmax.accumulate计算无任何重置的累积最大值，作为初始参考。
2. 重置掩码：对比基础累积值与RsiMa，标记所有需要重置累积的位置。
3. 最近重置点定位：通过np.maximum.accumulate为每个位置找到最近的重置触发点（包括自身），确定每个元素所属的累积区间。
4. 区间起始定位：找到所有新累积区间的起始索引，这些位置需要重置累积值。
5. 修正累积结果：将基础累积值在区间起始位置替换为long的当前值，得到符合要求的带重置累积最大值数组。

示例验证 #

针对题目给出的示例数据，运行代码后得到的结果与预期输出完全一致，满足重置后重新累积的要求。

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