给我一个数组,例如:
a = numpy.array([1, 2, 3, 4],[1, 2, 3, 4],[1, 2, 3, 4])
我还得到了另一个数组,其中所有条目都大于或等于零且小于 a
的大小。一个例子:
array_index = numpy.array([[0, 0, 1, 2], [0, 1, 2, 2], [0, 1, 1, 3]])
array_index
基本上告诉我应该将 a
的元素堆叠到哪里。例如,array_index
的第一个条目 [0, 0, 1, 2]
告诉 a
的第一个条目的索引 0 元素应该保持不变,第二个索引 0 告诉 a
的索引 1 元素应该堆叠到索引 0,第三个索引 1 告诉 a
的索引 2 元素应该堆叠到索引 1,并且很快。
现在,我需要构造另一个与 my_array
形状相同的数组,以便条目是 a
在 array_index
处的相应索引值。在这种情况下我会先
array_desired = numpy.zeros(array_index.shape)
我会填写如下值:
array_desired = [[a[0]+a[1], a[2], a[3], 0], [a[0], a[1], a[2]+a[3], 0],
[a[0], a[1]+a[2], 0, a[3]]]
为此,作为第一种方法,我为第 0 个元素构造了以下内容:
stack_index = numpy.where(array_index == 0)
array_desired[stack_index] += a[stack_index]
print(array_desired)
>>> [[1 2 0 0] [1 0 0 0] [1 0 0 0]]
这是一些东西,但不完全是我想要的:
>>>[[3 0 0 0][1 0 0 0][1 0 0 0]]
关于如何按照我上面描述的索引实现正确的堆叠有什么想法吗?
更新:
我现在有一个适用于第一个索引的方法:
temp_array = numpy.zeros(array_index.shape)
stack_index = numpy.where(array_index == 0)
temp_array[stack_index] = a[stack_index]
n = np.sum(temp_array, axis=(1))
array_desired[:,0]= n
但是,这个方法仍然需要我循环每个索引。我想要更有效率的东西。
最佳答案
我认为这符合你的要求。
这是您的示例数据:
In [98]: a
Out[98]:
array([[1, 2, 3, 4],
[1, 2, 3, 4],
[1, 2, 3, 4]])
In [99]: array_index
Out[99]:
array([[0, 0, 1, 2],
[0, 1, 2, 2],
[0, 1, 1, 3]])
创建b
来保存结果,并使用np.add.at
进行求和。 row_index
只是 3x1 数组 [[0], [1], [2]]
。
In [100]: b = np.zeros_like(a)
In [101]: row_index = np.arange(array_index.shape[0]).reshape(-1, 1)
In [102]: np.add.at(b, (row_index, array_index), a)
In [103]: b
Out[103]:
array([[3, 3, 4, 0],
[1, 2, 7, 0],
[1, 5, 0, 4]])
关于python - 如何有效地执行这个 numpy 数组操作?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50182502/