Question

我得到一个数组，如：

a = numpy.array([1, 2, 3, 4],[1, 2, 3, 4],[1, 2, 3, 4])

我还获得了另一个数组，其中所有条目都大于或等于零且小于a的大小。一个例子：

array_index = numpy.array([[0, 0, 1, 2], [0, 1, 2, 2], [0, 1, 1, 3]])

array_index基本上告诉我应该将a的元素堆叠到哪里。例如，array_index [0, 0, 1, 2]的第一个条目告诉a的第一个条目的索引0元素应保持不变，第二个索引0表示a的索引1元素应该是堆栈到索引0，第三个索引1告诉a的索引2元素应该堆叠到索引1，依此类推。现在我需要构造另一个与my_array形状相同的数组，这样条目就是a array_index的相应索引值。在这种情况下，我会有第一个

array_desired = numpy.zeros(array_index.shape)

我会填写以下值：

array_desired = [[a[0]+a[1], a[2], a[3], 0], [a[0], a[1], a[2]+a[3], 0],
                 [a[0], a[1]+a[2], 0, a[3]]]

为此，作为第一种方法，我为第0个元素构建了以下内容：

stack_index = numpy.where(array_index == 0)
array_desired[stack_index] += a[stack_index]
print(array_desired)
>>> [[1 2 0 0] [1 0 0 0] [1 0 0 0]]

这是某种东西，但不完全是我想要的东西：

>>>[[3 0 0 0][1 0 0 0][1 0 0 0]]

如上所述，有关如何通过索引实现正确堆叠的任何想法？

更新

我有一个适用于第一个索引的方法：

temp_array = numpy.zeros(array_index.shape)
stack_index = numpy.where(array_index == 0)
temp_array[stack_index] = a[stack_index]
n = np.sum(temp_array, axis=(1))
array_desired[:,0]= n

但是，这种方法仍然需要我遍历每个索引。我想提高效率。

Answer 1

我认为这可以做你想要的。

以下是您的示例数据：

In [98]: a
Out[98]: 
array([[1, 2, 3, 4],
       [1, 2, 3, 4],
       [1, 2, 3, 4]])

In [99]: array_index
Out[99]: 
array([[0, 0, 1, 2],
       [0, 1, 2, 2],
       [0, 1, 1, 3]])

创建b以保存结果，并使用np.add.at进行总结。 row_index只是3x1数组[[0], [1], [2]]。

In [100]: b = np.zeros_like(a)

In [101]: row_index = np.arange(array_index.shape[0]).reshape(-1, 1)

In [102]: np.add.at(b, (row_index, array_index), a)

In [103]: b
Out[103]: 
array([[3, 3, 4, 0],
       [1, 2, 7, 0],
       [1, 5, 0, 4]])

如何有效地执行这种numpy数组操作？

1 个答案: