numpy 或 scipy（或其他一些库）中是否有将 cumsum 和 cumprod 的概念推广到任意函数的函数。例如，考虑（理论）函数
cumf( func, array)
func 是一个接受两个浮点数并返回一个浮点数的函数。特殊情况
lambda x,y: x+y
和
lambda x,y: x*y
分别是 cumsum 和 cumprod。例如，如果
func = lambda x,prev_x: x^2*prev_x
我将其应用于：
cumf(func, np.array( 1, 2, 3) )
我想
np.array( 1, 4, 9*4 )
上面的 ValueError 仍然是使用 Numpy 1.20.1（使用 Python 3.9.1）的错误。
幸运的是，发现了一种使用强制转换的解决方法： https ://groups.google.com/forum/#!topic/numpy/JgUltPe2hqw
import numpy as np
uadd = np.frompyfunc(lambda x, y: x + y, 2, 1)
uadd.accumulate([1,2,3], dtype=object).astype(int)
# array([1, 3, 6])
请注意，由于自定义操作适用于对象类型，因此它不会从 numpy 的高效内存管理中受益。因此，对于非常大的数组，该操作可能比不需要强制转换为对象的操作要慢。
NumPy 的 ufunc 有accumulate()：
In [22]: np.multiply.accumulate([[1, 2, 3], [4, 5, 6]], axis=1)
Out[22]:
array([[ 1, 2, 6],
[ 4, 20, 120]])
不幸的是，调用accumulate()' frompyfunc()ed Python 函数失败并出现一个奇怪的错误：
In [32]: uadd = np.frompyfunc(lambda x, y: x + y, 2, 1)
In [33]: uadd.accumulate([1, 2, 3])
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
ValueError: could not find a matching type for <lambda> (vectorized).accumulate,
requested type has type code 'l'
这是使用 NumPy 1.6.1 和 Python 2.7.3。