在没有循环的情况下更新numpy数组中的多个元素

Question

我有一个 numpy 数组，例如

original_array=np.arange(5)

我有另一个数组来存储要更新的索引值

indices=[0,1,2,1,1]

indices 元素中的重复表示该元素被多次更新。

我还有存储要添加的值的数组。

updation_values=[0.2,0.2,0.4, 0.5, 0.4]

通常我将数组更新为

for update_value, index in zip(updation_values, indices):
    original_array[index]+=update_value

除了循环还有更好的方法吗？

original_array[indices]+=updation_values

似乎不起作用，因为它只更新每个唯一索引的最后一个实例。

Answer 1

你的问题有两个：

1. 为什么它没有按预期工作？

2. 如何让它更快？

为什么它不起作用？

您正在创建整数 ndarray - 这意味着小数更新会四舍五入到最接近的整数，并且由于更新

original_array=np.arange(5)#, dtype=np.float)
indices=[0,1,2,1,1]
updation_values=[0.2,0.2,0.4, 0.5, 0.4]
updation_values=[1,1,1,1,1]

for update_value, index in zip(updation_values, indices):
    original_array[index] += update_value

print(original_array)

[1 4 3 3 4]

为确保您使用浮点数创建 ndarray，您必须使用 dtype 可选参数：

original_array=np.arange(5, dtype=np.float)

如何让它更快？

通常，您希望使用 NumPy 向量化。不幸的是，您的 indices 变量中有重复，所以：

original_array[indices]+=updation_values

不会工作。

你可以看到自己：

print(original_array)
original_array[[0,1,2]] += 10
print(original_aray)

结果：

[1 4 3 3 4]

[11 14 13 3 4]

也是如此：

original_array[[0,1,2,0,0]] += 10