Question

我有3个矩阵（np数组）：
A是形状（n，m）; B的形状为（m，k）; C的形状为（n，k）

矩阵C只有集合{-1,0,1}中的值，它是＆＃34;指示符＆＃34;某种类型：如果C [i，j] == 1那么我想将第i行添加到b的第j列;如果C [i，j] ==（ - 1）则减去（0不做任何事）。

可以很容易地使用循环来完成，但我想知道是否有一种矢量化的方法可以更快？

示例代码：

C = np.array([[-1,  0,  0,  0,  1],
              [ 0,  0,  0,  0, -1],
              [ 0,  0,  0,  0, -1],
              [-1,  0,  0,  1,  1]])
a,b = np.where(C==1)
#here a=[0,3,3] and b=[4,3,4]
A[a,:] = [[0, 1, 2, 3, 4, 5, 6],
          [3, 3, 3, 3, 3, 3, 3],
          [3, 3, 3, 3, 3, 3, 3]]
B[:,b] += A[a]  #B is all 0.0 before

预期结果：

array([[ 0.,  0.,  0.,  3.,  3.],
       [ 0.,  0.,  0.,  3.,  4.],
       [ 0.,  0.,  0.,  3.,  5.],
       [ 0.,  0.,  0.,  3.,  6.],
       [ 0.,  0.,  0.,  3.,  7.],
       [ 0.,  0.,  0.,  3.,  8.],
       [ 0.,  0.,  0.,  3.,  9.]])

实际结果：

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

Answer 1

我们可以在np.add.at -

的转置视图上使用B

np.add.at(B.T, b, A[a])

示例运行 -

In [39]: C = np.array([[-1,  0,  0,  0,  1],
    ...:               [ 0,  0,  0,  0, -1],
    ...:               [ 0,  0,  0,  0, -1],
    ...:               [-1,  0,  0,  1,  1]])
    ...: a,b = np.where(C==1)
    ...: A = np.zeros((4,7),dtype=int)
    ...: A[a,:] = np.array([[0, 1, 2, 3, 4, 5, 6],
    ...:           [3, 3, 3, 3, 3, 3, 3],
    ...:           [3, 3, 3, 3, 3, 3, 3]])

In [40]: # Initialize B
    ...: B = np.zeros((7,5),dtype=int)

In [41]: np.add.at(B.T, b, A[a])

In [42]: B
Out[42]: 
array([[0, 0, 0, 3, 3],
       [0, 0, 0, 3, 4],
       [0, 0, 0, 3, 5],
       [0, 0, 0, 3, 6],
       [0, 0, 0, 3, 7],
       [0, 0, 0, 3, 8],
       [0, 0, 0, 3, 9]])

作为commented by @DSM，我们也可以使用矩阵 - 多重复制，从而避免获取C==1的索引的步骤 -

A.T.dot(C==1)

Answer 2

我把这一切都记在脑子里有点麻烦，但我相信这就是你要做的事情：

import numpy as np

n, m, k = 2, 3, 4 

# A is full of 1s
A = np.ones((n,m))
# B is full of 0s
B = np.zeros((m,k))
# C is...  that
C = np.array([
    [ 0,  0, -1,  1],
    [ 0, -1,  1,  0]
])

# Where to add A to B
add_x, add_y = np.where(C==1)
# Where to subtract A to B
sub_x, sub_y = np.where(C==-1)

# Select columns of B and += rows of A 
# (using .T to transpose A so it's the same shape)
B[:,add_y] += A[add_x,:].T
# ditto thing above, but for -=
B[:,sub_y] -= A[sub_x,:].T
print(B)

输出：

[[ 0. -1.  0.  1.]
 [ 0. -1.  0.  1.]
 [ 0. -1.  0.  1.]]

numpy求和矩阵 - 按索引排列

2 个答案: