我有两个 NumPy 数组，一个包含值，另一个将值从第一个映射到一个新的聚合数组，如下所示
a = np.array([10,10,10,10,10,10]) # values array
b = np.array([0,0,1,2,2,2]) # mapping to new index set
size = np.max(b) + 1
result =np.zeros(size)
for i in range(size):
result[i] = np.sum(a[b==i]) # values mapped to the same index are aggregated
print(result)
这给出了：
result = [20. 10. 30.]
以上工作，但由于 for 循环，它没有完全矢量化，使其变慢。根据我对线性代数的了解，我知道我可以将向量 b 转换为转换矩阵，然后使用 dot 函数在没有 for 循环的情况下执行此操作，但这将意味着比此处所需的基本运算量大得多，因此采用这种方法也是次优的。有没有办法直接用 NumPy 做到这一点？ :) 原则上，所需的操作量应该只是a.size summations...