通过高级 indexing/vectorizing 更新矩阵

Question

我有一个有效反击的矩阵。我想根据列索引列表增加这些计数器 - 每个位置索引也对应于行增量。

这对于 for 循环来说很简单，而对于列表推导式则不那么直接。在任何一种情况下，都涉及迭代。但我想知道是否有任何方法可以向量化这个问题？

最小的问题是：

counters = np.zeros((4,4))
counters
array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])


update_columns = [1,0,2,2]

for row, col in zip(range(len(update_columns)), update_columns):
    counters[row, col] += 1
    
counters
array([[0., 1., 0., 0.],
       [1., 0., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 1., 0.]])

Answer 1

您正在寻找的是高级 numpy 索引。您可以使用 np.arange 传递行索引，使用 update_columns:

传递列索引

update_columns = np.array(update_columns)
counters[np.arange(update_columns.size), update_columns] += 1

输出：

[[0. 1. 0. 0.]
 [1. 0. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 1. 0.]]

通过高级 indexing/vectorizing 更新矩阵

Update a matrix through advanced indexing/vectorizing

python

arrays

numpy

vectorization