更新条件给定的行和列的数组值

Question

我有以下两个数组：

a = np.mat('5;5;1;4;3;2;1;5;3')
b = np.zeros((9,9))

数组a 是一个簇分配，其中每个对象（由一行表示）被分配给一个给定的簇（由一个数字表示）。我有多个这样的集群分配，并想在数组b 中计算每对对象在同一集群中同时出现的频率。在 Matlab 中，我会写如下内容：

b(a==5,a==5) = b(a==5,a==5) + 1

输出将是：

 b =
      1     1     0     0     0     0     0     1     0
      1     1     0     0     0     0     0     1     0
      0     0     0     0     0     0     0     0     0
      0     0     0     0     0     0     0     0     0
      0     0     0     0     0     0     0     0     0
      0     0     0     0     0     0     0     0     0
      0     0     0     0     0     0     0     0     0
      1     1     0     0     0     0     0     1     0
      0     0     0     0     0     0     0     0     0

例如，b(2,8) == 1（使用从 1 开始的 Matlab 索引）因为两个元素 2 和 8 都在簇 5 中。

NumPy 中的索引系统完全不同，我想知道如何在那里做同样的事情？

更新：

zhangxaochen's solution 使用 b[m&m.T]+=1 给出正确的结果。我也想出了以下方法：

c = np.nonzero(a == 5)[0]
b[c.T,c] +=1

是否有充分的理由使用其中一种？我使用具有数万行/列的大型数组。

Answer 1

这样的？

In [1149]: m=(a==5)

In [1150]: b[m+m.T]+=1

In [1151]: b
Out[1151]: 
array([[ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.]])

更新：

根据您的评论，我猜您需要的是&：

In [1220]: b[m&m.T]+=1

In [1221]: b
Out[1221]: 
array([[ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]])

基准：

In [1285]: %%timeit
      ...: d=1000
      ...: b=np.zeros((d,d))
      ...: a=arange(d)>(d/2)
      ...: at=a[:,None]
      ...: b[a&at]+=1
      ...: 
10 loops, best of 3: 32.5 ms per loop