Question

简要说明：有一个similar question，最佳答案建议使用numpy.bincount。我需要相同的东西，但对于矩阵。

我有两个阵列：

array([1, 2, 1, 1, 2])
array([2, 1, 1, 1, 1])

他们一起制作应递增的指数：

>>> np.array([a, b]).T
array([[1, 2],
       [2, 1],
       [1, 1],
       [1, 1],
       [2, 1]])

我想得到这个矩阵：

array([[0, 0, 0],
       [0, 2, 1],  # (1,1) twice, (1,2) once
       [0, 2, 0]]) # (2,1) twice

矩阵很小（如5×5），索引数量很大（大约10 ^ 3或10 ^ 5）。

那么，有没有比for更好（更快）的循环？

Answer 1

您仍然可以使用bincount()。诀窍是将a和b转换为单个1D平面索引数组。

如果矩阵为n x m，您可以将bincount()应用于a * m + b，并根据结果构建矩阵。

以你的问题为例：

In [15]: a = np.array([1, 2, 1, 1, 2])

In [16]: b = np.array([2, 1, 1, 1, 1])

In [17]: cnt = np.bincount(a * 3 + b)

In [18]: cnt.resize((3, 3))

In [19]: cnt
Out[19]: 
array([[0, 0, 0],
       [0, 2, 1],
       [0, 2, 0]])

如果数组的形状更复杂，可能更容易使用np.ravel_multi_index()而不是手动计算平面索引：

In [20]: cnt = np.bincount(np.ravel_multi_index(np.vstack((a, b)), (3, 3)))

In [21]: np.resize(cnt, (3, 3))
Out[21]: 
array([[0, 0, 0],
       [0, 2, 1],
       [0, 2, 0]])

（帽子提示@Jaime指出ravel_multi_index。）

Answer 2

m1 = m.view(numpy.ndarray) # Create view
m1.shape = -1 # Make one-dimensional array
m1 += np.bincount(a+m.shape[1]*b, minlength=m1.size)

给定矩阵中的指数增量

2 个答案: