Question

我正在用python编写程序，并且希望对其进行向量化。我有以下变量

具有形状E的零点(L,T)的二维数组。
具有任意值的形状w的数组(N,)。

index

数组(A,)，其值是0和N-1之间的整数。这些值是唯一的。
数组labels，形状与w（(A,)）相同，其值是介于0和L-1之间的整数。 这些值不一定是唯一的。
t和0之间的整数T-1。

我们想将索引w上的index的值添加到行E和列labels的数组t上。我使用了以下代码：

E[labels,t] += w[index]

但是这种方法无法产生预期的结果。例如，

import numpy as np

E = np.zeros([10,1])
w = np.arange(0,100)
index = np.array([1,3,4,12,80])
labels = np.array([0,0,5,5,2])
t = 0
E[labels,t] += w[index]

给予

array([[ 3.],
   [ 0.],
   [80.],
   [ 0.],
   [ 0.],
   [12.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.]])

但是正确的答案是

array([[ 4.],
       [ 0.],
       [80.],
       [ 0.],
       [ 0.],
       [16.],
       [ 0.],
       [ 0.],
       [ 0.],
       [ 0.]])

是否有一种无需使用for循环即可实现此行为的方法？

我意识到我可以使用以下命令：np.add.at(E,[labels,t],w[index])，但是它给了我这个警告：

FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result.

Answer 1

从类似的question中提取，您可以使用np.bincount()来实现您的目标：

import numpy as np
import time

E = np.zeros([10,1])
w = np.arange(0,100)
index = np.array([1,3,4,12,80])
labels = np.array([0,0,5,5,2])
t = 0

# --------- Using np.bincount()
start = time.perf_counter()
for _ in range(10000):
    E = np.zeros([10,1])
    values = w[index]
    result = np.bincount(labels, values, E.shape[0])
    E[:, t] += result
print("Bin count time: {}".format(time.perf_counter() - start))
print(E)


# --------- Using for loop
for _ in range(10000):
    E = np.zeros([10,1])
    for i, in_ in enumerate(index):
        E[labels[i], t] += w[in_]
print("For loop time: {}".format(time.perf_counter() - start))
print(E)

礼物：

Bin count time: 0.045003452
[[ 4.]
 [ 0.]
 [80.]
 [ 0.]
 [ 0.]
 [16.]
 [ 0.]
 [ 0.]
 [ 0.]
 [ 0.]]
For loop time: 0.09853353699999998
[[ 4.]
 [ 0.]
 [80.]
 [ 0.]
 [ 0.]
 [16.]
 [ 0.]
 [ 0.]
 [ 0.]
 [ 0.]]

如何使用python花式索引将元素添加到2D数组中？

1 个答案: