在两个Numpy数组上快速迭代

Question

我正在尝试两个在python中实现以下问题

我有两个一维numpy数组，包含从0到gridsize-1的索引（称为i1，i2）。 我也有一个带有数据的1D numpy数组（称为d）。 这三个数组的长度都相同。

具有索引的数组可以包含特定的索引对（称为s1，s2） 多次。

我现在想要两个将数据数组映射到2D数组（称为arr）以进行绘制。 对于那些出现多次的索引对，我想取这些索引对应的数据条目的平均值。

我尝试了以下代码（无平均值）

d #data array
i1 #first 1D numpy index array
i2 #second 1D numpy index array
gridsize = 1000
arr = np.zeros(gridsize**2)
for i in range(d.size):
    arr[ i1[i], i2[i] ] = d[i]

到目前为止，代码可以正常运行，但是非常慢（数组大小大约为2s，这是不可接受的） 有什么建议可以加快速度吗？ 我建议问题出在数组中各个元素的访问上。可能有内置的numpy函数可以做到这一点吗？

谢谢你， 迈克尔

Answer 1

我将假设一些在您的问题中并不完全清楚的事情。

• arr是二维的，形状为：(gridsize, gridsize)
• i1 i2和d均为一维且长度相同

鉴于这些条件，您可以直接使用numpy的integer array indexing通过arr和i1直接切片i2并将d分配给切片：

d #data array
i1 #first 1D numpy index array
i2 #second 1D numpy index array
gridsize = 1000
arr = np.zeros((gridsize,gridsize))
arr[i1,i2] = d