Question

背景资料：我在3D中有大量（N）粒子。对于具有某些属性的所有粒子对 [i，j]，我计算几何因子c [i，j]。然后我想总结所有对[i，j]对固定i的贡献并称之为c [i]（并对所有粒子i重复此过程）。

通常，相关对的数量远小于N ^ 2，因此在位置[i，j]处具有相关信息的（N，N）维数组C和其他地方的许多零相当快numpy，但在内存使用方面也非常低效。所以现在我只是存储相关对的C [i，j]和在一维数组中形成对的粒子。

这可能是一个例子中最好的例子：比方说，我有两对由粒子（3,5）和（3,10）组成。原则上，我的变量看起来像这样（重复计算）：

i = [3,3,5,10]  #list of particles i that form a pair
j = [5,10,3,3]  #corresponding particles j (not used in the later example) 
cij = [c35,c310,-c35,-c310] #(with actual numbers in reality)

现在它真的归结为找到一种有效的矢量化方法来重写以下for循环：

part_list=np.arange(N)
for a in part_list:
    cond = np.where(i == a)
    ci[a] = np.sum(cij[cond])

我曾想过的其他解决方案，但我们想避免：

a）并行化for循环：不可行b / c这是嵌入在我希望在某一点并行化的外部循环中。

b）在C中编写for循环并将其包装到Python中：对于这个（希望如此）相当简单的问题来说似乎有些过分。

Answer 1

您可以使用np.bincount获得所需内容。如果您的粒子从0开始按顺序编号，您可以简单地执行：

ci = np.bincount(i, weights= cij)

要了解这是做什么的：

>>> i = [3, 3, 5, 10]
>>> j = [5, 10, 3, 3]
>>> cij = [0.1, 0.2, -0.1, -0.2]
>>> np.bincount(i, weights= cij)
array([ 0. ,  0. ,  0. ,  0.3,  0. , -0.1,  0. ,  0. ,  0. ,  0. , -0.2])

如果您不想要所有这些额外的零，您可以执行以下操作：

>>> unq_i, inv_i = np.unique(i, return_inverse=True)
>>> unq_ci = np.bincount(inv_i, weights=cij)
>>> unq_i
array([ 3,  5, 10])
>>> unq_ci
array([ 0.3, -0.1, -0.2])

您可以稍后通过执行以下操作来分配这些唯一值：

ci[unq_i] = unq_ci

矢量化版本的for-loop + numpy.where

1 个答案: