索引数组中重复条目的 Numpy 总和答案

【问题标题】：Numpy sum over repeated entries in index array索引数组中重复条目的 Numpy 总和
【发布时间】：2020-03-02 01:11:04
【问题描述】：

给定 numpy ndarray A 和一个整数数组 I，形状相同，具有最高值 imax 和一个数组 B = np.zeros(imax)，我们可以做 B[I] = A。但是，如果I 有重复的条目，则最后一个分配成立。我需要在汇总重复条目时这样做，例如

For i in range(A.size):
    B[I.ravel()[i]] += A.ravel()[i]

numpy 有没有好的方法来做到这一点？

例如，我想要这种行为（但 = 和 += 都不是这样工作的）

A = np.array((1,2,5,9))
I = np.array((0,1,2,0),dtype=int)
B = np.zeros(3)
B[I] += A
print(B)
>>> array([10,2,5])

我们在第一个条目中看到1+9=10。

【问题讨论】：

如果您提供了一个说明问题的数据示例，您的问题会变得更清晰（并且更容易正确回答）。
add.at 提供了一个无缓冲的添加，供您在索引重复时使用
@Grismar 我添加了一个例子！
@hpaulj 这就是答案，非常感谢！如果你想让它成为一个答案，我会接受它。

标签： python arrays numpy indexing sum

【解决方案1】：

In [1]: A = np.array((1,2,5,9)) 
   ...: I = np.array((0,1,2,0),dtype=int) 
   ...: B = np.zeros(3) 
   ...: B[I] += A                                                                                                          
In [2]: B                                                                                                                  
Out[2]: array([9., 2., 5.])

这是一种缓冲解决方案，不同于迭代解决方案：

In [3]: B = np.zeros(3)                                                                                                    
In [4]: for i,a in zip(I,A): 
   ...:     B[i] += a 
   ...:                                                                                                                    
In [5]: B                                                                                                                  
Out[5]: array([10.,  2.,  5.])

使用ufunc.at的无缓冲解决方案：

In [6]: B = np.zeros(3)                                                                                                    
In [7]: np.add.at(B, I, A)                                                                                                 
In [8]: B                                                                                                                  
Out[8]: array([10.,  2.,  5.])

【讨论】：