我最近想知道如何绕过以下numpy行为。 从一个简单的例子开始：
import numpy as np
a = np.array([[1,2,3,4,5,6,7,8,9,0], [11, 12, 13, 14, 15, 16, 17, 18, 19, 10]])
然后：
b = a.copy()
b[:, [0,1,4,8]] = b[:, [0,1,4,8]] + 50
print(b)
...打印结果：
[[51 52 3 4 55 6 7 8 59 0]
[61 62 13 14 65 16 17 18 69 10]]
然后将一个索引加倍到切片中：
c = a.copy()
c[:, [0,1,4,4,8]] = c[:, [0,1,4,4,8]] + 50
print(c)
给予：
[[51 52 3 4 55 6 7 8 59 0]
[61 62 13 14 65 16 17 18 69 10]]
（简而言之；他们做同样的事情）
我还能为索引4执行两次吗？ 或更实际地；让slice元素给我r次：我们可以让上述表达式应用r次，而不是numpy只考虑一次吗？另外，如果我们用每次出现i时都不同的方式代替“ 50”？
对于我当前的代码，我使用：
w[p1] = w[p1] + D[pix]
我将“ pix”，“ p1”定义为一些dtype int，相同长度和一些整数的numpy数组，它们可能出现多次。
（所以一个人可能同时拥有pix = [...，1,1,1,2,2,3，...]，而p1 = [...，21,32,13,23 ，11,78，...]，因此，仅靠索引1的前1个和对应的21个就被删除了。）
当然，使用for循环可以轻松解决此问题。关键是数组的整数和大小都很大，因此使用for循环而不是有效的numpy-array例程会花费大量计算资源。有任何想法，现有文档的链接等吗？