在 Python/Numpy 中一次分配相同的数组索引答案

【问题标题】：Assigning identical array indices at once in Python/Numpy在 Python/Numpy 中一次分配相同的数组索引
【发布时间】：2013-08-18 21:05:41
【问题描述】：

我想在 Python 中找到一种快速的方法（没有 for 循环）来分配数组的重复索引。这是使用 for 循环的预期结果：

import numpy as np
a=np.arange(9, dtype=np.float64).reshape((3,3))
# The array indices: [2,3,4] are identical.
Px = np.uint64(np.array([0,1,1,1,2]))
Py = np.uint64(np.array([0,0,0,0,0]))
# The array to be added at the array indices (may also contain random numbers).
x = np.array([.1,.1,.1,.1,.1])

for m in np.arange(len(x)):
    a[Px[m]][Py[m]] += x

print a
%[[ 0.1  1.  2.]
%[ 3.3  4.  5.]
%[ 6.1  7.  8.]]

当我尝试在索引Px,Py 处将x 添加到a 时，我显然没有得到相同的结果（3.3 与 3.1）：

a[Px,Py] += x
print a
%[[ 0.1  1.  2.]
%[ 3.1  4.  5.]
%[ 6.1  7.  8.]]

有没有办法用 numpy 做到这一点？谢谢。

【问题讨论】：

首先，我会将这些值组合在一起，这样您就有了一个元组列表 (Px,Py)。然后对该列表进行排序，计算出现次数，将 x 乘以该数字并添加到数组中。但不知何故 numpy 似乎跳过了双重输入....奇怪。

标签： python arrays numpy indices

【解决方案1】：

是的，可以做到，但有点棘手：

# convert yourmulti-dim indices to flat indices
flat_idx = np.ravel_multi_index((Px, Py), dims=a.shape)
# extract the unique indices and their position
unique_idx, idx_idx = np.unique(flat_idx, return_inverse=True)
# Aggregate the repeated indices 
deltas = np.bincount(idx_idx, weights=x)
# Sum them to your array
a.flat[unique_idx] += deltas

【讨论】：

呸，以完全相同的答案击败我 4 秒。虽然，我真诚地希望有更好的方法来做到这一点。
谢谢！我喜欢您使用 np.ravel_multi_index 函数获取平面索引，然后使用带有可选权重参数的 np.bincount 的方式。