如果超过限制，则重置cumsum（python）

Question

下面的numpy代码段将返回输入数组的cumsum，每次遇到NaN时，它都会重置。在

v = np.array([1., 1., 1., np.nan, 1., 1., 1., 1., np.nan, 1.])
n = np.isnan(v)
a = ~n
c = np.cumsum(a)
d = np.diff(np.concatenate(([0.], c[n])))
v[n] = -d
result = np.cumsum(v)

以类似的方式，如果累计数超过某个值，使用向量化熊猫或numpy操作，我如何计算一个累计值重置？在

例如，限值=5，in=[1,1,1,1,1,1,1,1,1,1,1]，out=[1,2,3,4,5,1,2,3,4,5]

Answer 1

如果数组中的数字都是正数，那么使用cumsum()和模运算符可能是最简单的：

>>> a = np.array([1,1,1,1,1,1,1,1,1,1])
>>> limit = 5
>>> x = a.cumsum() % limit
>>> x
array([1, 2, 3, 4, 0, 1, 2, 3, 4, 0])

然后，您可以将任何零值设置回限制，以获得所需的数组：

^{pr2}$

---

这里有一个使用Pandas的expanding_apply方法的通用解决方案。（我没有做过广泛的测试…）

首先定义一个修改的cumsum函数：

import pandas as pd

def cumsum_limit(x):
    q = np.sum(x[:-1])
    if q > 0:
        q = q%5
    r = x[-1]
    if q+r <= 5:
        return q+r
    elif (q+r)%5 == 0:
        return 5
    else:
        return (q+r)%5

a = np.array([1,1,1,1,1,1,1,1,1,1]) # your example array

将函数应用于数组，如下所示：

>>> pd.expanding_apply(a, lambda x: cumsum_limit(x))
array([ 1.,  2.,  3.,  4.,  5.,  1.,  2.,  3.,  4.,  5.])

以下是应用于另一个更有趣系列的函数：

>>> s = pd.Series([3, -8, 4, 5, -3, 501, 7, -100, 98, 3])
>>> pd.expanding_apply(s, lambda x: cumsum_limit(x)) 
0     3
1    -5
2    -1
3     4
4     1
5     2
6     4
7   -96
8     2
9     5
dtype: float64