Question

我在2D数组中设置多个元素的值，但是我的数据有时包含给定索引的多个值。

似乎总是分配“以后”值（参见下面的示例），但这种行为是否得到保证，或者我有可能获得不一致的结果？我怎么知道我可以在矢量化作业中以“我想要的方式”解释“以后”？

即。在我的第一个示例中，a肯定会始终包含4，而在第二个示例中，它是否会打印values[0]？

很简单的例子：

import numpy as np
indices = np.zeros(5,dtype=np.int)
a[indices] = np.arange(5)
a # array([4])

另一个例子

import numpy as np

grid = np.zeros((1000, 800))

# generate indices and values
xs = np.random.randint(0, grid.shape[0], 100)
ys = np.random.randint(0, grid.shape[1], 100)
values = np.random.rand(100)

# make sure we have a duplicate index
print values[0], values[5]
xs[0] = xs[5]
ys[0] = ys[5]

grid[xs, ys] = values

print "output value is", grid[xs[0], ys[0]]
# always prints value of values[5]

Answer 1

在NumPy 1.9及更高版本中，这通常不会很明确。

当前实现使用单独的迭代器同时迭代所有（广播的）花哨索引（和赋值数组），并且这些迭代器都使用C顺序。换句话说，目前，是的，你可以。因为您可能想要更准确地了解它。如果您比较处理这些事情的NumPy中的mapping.c，您会看到它使用PyArray_ITER_NEXT，documented为C顺序。

对于未来，我会以不同的方式描绘图片。我认为使用较新的迭代器将所有索引+赋值数组一起迭代会很好。如果这样做，那么订单可以保持打开，以便迭代器决定最快的方式。如果你对迭代器保持开放状态，很难说会发生什么，但是你不能确定你的例子是否有效（可能是1-d情况你仍然可以，但......）。

所以，据我所知它目前有效，但它没有记录（据我所知），所以如果你真的认为应该确保这一点，你需要游说它并最好写一些测试来制作确定它可以得到保证。因为至少我很想说：如果事情变得更快，没有理由确保C顺序，但当然也许有一个很好的理由隐藏在某个地方......

这里真正的问题是：你为什么要这样呢？ ;）

Answer 2

我知道这已得到圆满解答，但我想提一下，Tentative Numpy Tutorial下的Indexing with Arrays of Indices记录为“最后一个值”（可能是非正式的） }：

但是，当索引列表包含重复时，分配会多次完成，留下最后一个值：
>>> a = arange(5)
>>> a[[0,0,2]]=[1,2,3]  
>>> a
array([2, 1, 3, 3, 4])  
这是合理的，但请注意是否要使用Python的+ =构造，因为它可能无法达到您的预期：
>>> a = arange(5) 
>>> a[[0,0,2]]+=1  
>>> a
array([1, 1, 3, 3, 4])  
即使0在索引列表中出现两次，第0个元素也只增加一次。这是因为Python要求a+=1等同于a=a+1。

Answer 3

我没有直接回答你的问题，我只想指出即使你可以依赖这种行为保持一致，你最好不要。

考虑：

a = np.zeros(4)
x = np.arange(4)
indices = np.zeros(4,dtype=np.int)
a[indices] += x

此时，假设a.sum()是a之前的总和+ x.sum()是否合理？

assert a.sum() == x.sum()
--> AssertionError 

a
= array([ 3.,  0.,  0.,  0.])

在你的情况下，当使用重复索引分配给一个数组时，结果是直观的：对同一索引的赋值会多次发生，因此只有最后一个赋值“粘住”（它会覆盖以前的赋值）。

但在这个例子中并非如此。它不再直观。如果是这样，就地添加会多次发生，因为添加本质上是累积的。

所以换句话说，你冒着陷入这个陷阱的危险：

您开始使用重复索引
你看到一切顺利，行为完全符合你的期望
你不再关注你的操作涉及重复索引的关键事实。毕竟，它没有区别，是吗？
您开始在不同的上下文中使用相同的索引，例如如上所述
深感遗憾：）

所以，引用@seberg：

这里真正的问题是：你为什么要这样呢？ ;）

Answer 4

我找到了一个用numpy做这个操作的方法这显然不是最优的，但它比循环更快（使用python for loop）

使用： numpy.bincount

size = 5
a = np.arange(size)
index = [0,0,2]
values = [1,2,3]
a[index] += values
a
[2 1 5 3 4]

女巫不正确但是：

size = 5
a = np.arange(size)
index = [0,0,2]
values = [1,2,3]
result = np.bincount(index, values, size)
a += result
a
[3 1 5 3 4]

这很好！

处理NumPy分配中的重复索引

4 个答案: