有效地添加具有重复目标索引的numpy数组

Question

假设我有两个numpy数组，A和B，它们可能非常大。我想通过指定应添加A的每个条目的索引，找到有效向B中的某些条目添加值的方法。

通常，可以使用以下语法：

A[indices] += B

问题是，在indices包含重复值的情况下，这不会像我预期的那样。我发现的唯一解决方案是使用手动for循环，但我希望可能有更有效的方法。例如：

A = np.array([100, 200, 300, 400])
B = np.array([1, 2, 3, 4, 5, 6])
indices = [1, 2, 0, 2, 1, 1]

for i, index in enumerate(indices):
    A[index] += B[i]

根据需要，这会产生A = [103, 212, 306, 400]。

相反，A[indices] += B会产生A = [103, 206, 304, 400]，这表示正在省略操作A[1] += 1，A[1] += 5，A[2] += 2。

注意：我将所需的行为视为与SQL中的“group by”操作有些类似 - 对于k的每个值，我想将B的所有条目分组到indices == k 1}}并将它们添加到k的{​​{1}}位置。

我的问题是：是否有更有效的方法来执行此操作？我希望有一些内置的numpy功能可以比上面的for-loop更好地优化性能

供参考，我使用的是numpy版本1.13.3。

高维案例

如果可以将其推广到更高维数组，我也有兴趣听到这个。例如，是否有更有效的方法来执行以下操作？

A