python / numpy中矩阵的条件求和

Question

我有两个numpy数组X和W，每个数组的形状(N,N)都来自计算结束。将X的范围细分为等间隔[min(X), min(X)+delta, min(X)+2*delta,..., max(X)]。我想知道，给定间隔起点v，相应W值的总和：

idx = (X>=v) & (X<(v+delta))
W[idx].sum()

我需要为所有起始间隔（即X的整个范围）求和，我需要对许多不同的矩阵X和W执行此操作。分析确定这是瓶颈。我现在正在做的事情是：

W_total = []
for v0, v1 in zip(X, X[1:]):
    idx = (X>=x0) & (X<x1)
    W_total.append( W[idx].sum() )

如何加快速度？

Answer 1

您可以使用numpy.histogram()在一次操作中计算所有这些总和：

sums, bins = numpy.histogram(
    X, bins=numpy.arange(X.min(), X.max(), delta), weights=W)

Answer 2

你试过numpy.histogram吗？

nbins = (X.max() - X.min()) / delta
W_total = np.histogram(X, weights=W, bins=nbins)