简单版: 如果我这样做:
import numpy as np
a = np.zeros(2)
a[[1, 1]] += np.array([1, 1])
我得到 [0, 1]
作为输出。但我想要 [0, 2]
。这有可能以某种方式使用隐式 numpy 循环而不是自己循环吗?
我实际需要做什么版本:
我有一个包含索引、值和一些 bool 值的结构化数组。我想根据 bool 值对这些索引处的这些值求和。很明显,这可以通过一个简单的循环来完成,但它似乎应该可以通过巧妙的 numpy 索引(如上所述)来实现。
例如,我有一个包含 5 个元素的数组,我想从数组中填充值、索引和条件:
import numpy as np
size = 5
nvalues = 10
np.random.seed(1)
a = np.zeros(nvalues, dtype=[('val', float), ('ix', int), ('cond', bool)])
a = np.rec.array(a)
a.val = np.random.rand(nvalues)
a.cond = (np.random.rand(nvalues) > 0.3)
a.ix = np.random.randint(size, size=nvalues)
# obvious solution
obvssum = np.zeros(size)
for i in a:
if i.cond:
obvssum[i.ix] += i.val
# is something this possible?
doesntwork = np.zeros(size)
doesntwork[a[a.cond].ix] += a[a.cond].val
print(doesntwork)
print(obvssum)
输出:
[ 0. 0. 0.61927097 0.02592623 0.29965467]
[ 0. 0. 1.05459336 0.02592623 1.27063303]
我认为这里发生的事情是,如果 a[a.cond].ix
保证是唯一的,我的方法就可以正常工作,如简单示例中所述。
最佳答案
这就是at
NumPy ufuncs 的方法用于:
output = numpy.zeros(size)
numpy.add.at(output, a[a.cond].ix, a[a.cond].val)
关于python - 将多个值添加到一个 numpy 数组索引,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41990028/