python - numpy:有效地与索引数组求和

Question

假设我有 2 个矩阵 M 和 N(都有 > 1 列)。我还有一个包含 2 列的索引矩阵 I——1 列用于 M，1 列用于 N。N 的索引是唯一的，但 M 的索引可能出现不止一次。我想执行的操作是，

for i,j in w:
  M[i] += N[j]

除了 for 循环之外，还有更有效的方法吗？

Answer 1

为了完整起见，在 numpy >= 1.8 中，您还可以使用 np.add 的 at 方法:

In [8]: m, n = np.random.rand(2, 10)

In [9]: m_idx, n_idx = np.random.randint(10, size=(2, 20))

In [10]: m0 = m.copy()

In [11]: np.add.at(m, m_idx, n[n_idx])

In [13]: m0 += np.bincount(m_idx, weights=n[n_idx], minlength=len(m))

In [14]: np.allclose(m, m0)
Out[14]: True

In [15]: %timeit np.add.at(m, m_idx, n[n_idx])
100000 loops, best of 3: 9.49 us per loop

In [16]: %timeit np.bincount(m_idx, weights=n[n_idx], minlength=len(m))
1000000 loops, best of 3: 1.54 us per loop

除了明显的性能劣势外，它还有几个优点:

1. np.bincount 将其权重转换为 double float ，.at 将使用数组的 native 类型进行操作。这使它成为最简单的交易选项，例如复数。
2. np.bincount 只将权重加在一起，你有一个用于所有 ufunc 的 at 方法，所以你可以重复 multiply，或者 logical_and，或者任何你喜欢的。

但对于您的用例，np.bincount 可能是可行的方法。