我有 2 个 numpy 矩阵 A 和 B：
A 矩阵的可能值只有 1 或 0（ON 或 OFF）。 B 矩阵有整数（最小值-1）。 我需要在矩阵B(X-axis) 的元素和它们在矩阵A 中列为 ON 的频率之间绘制一个直方图（在相应的位置）。
例如：
IF A[1][1] and A[2][2] are 1,
AND B[1][1] and B[2][2] are 2,
THEN frequency of 2 should be 2 (similarly for each element of matrix B).
基本上对于B中的每个元素，如果A中的对应元素是1，它的频率就会增加1。
我正在处理的矩阵很大 (3992x3992)。如何尽可能高效地做到这一点？
【问题讨论】：
A 和B）比用文字描述数据要好得多。
如果B 中的值都是小的正整数，你可以简单地这样做：
count = np.bincount(B.ravel())
tally = np.bincount(B.ravel(), weights=A.ravel())
freq = tally / count
但是因为你有负数，所以最好安全一点，先运行B到np.unique：
unq_val, unq_idx = np.unique(B.ravel(), return_inverse=True)
unq_count = np.bincount(unq_idx)
unq_tally = np.bincount(unq_idx, weights=A.ravel())
unq_freq = unq_tally / unq_count
当 numpy 1.9 在接下来的几周内上市时，您可以通过将前两行加入单个行来获得额外的性能优势：
unq_val, unq_idx, unq_count = np.unique(B.ravel(), return_inverse=True,
return_counts=True)
之后，您将在 unq_val 中拥有 x 值，在 unq_freq 中拥有相应的 y 值。在我的系统上，使用这个组成的数据：
A = np.random.randint(2, size=(3992, 3992))
B = np.random.randint(50, size=(3992, 3992))
整个过程在 0.3 秒内运行，而没有通过 unique，使用它时只需 6 秒多一点。
【讨论】：