如何有效地执行此 numpy 数组操作？

Question

我得到一个数组，例如：

a = numpy.array([1, 2, 3, 4],[1, 2, 3, 4],[1, 2, 3, 4])

我还得到了另一个数组，其中所有条目都大于或等于零且小于 a 的大小。一个例子：

array_index = numpy.array([[0, 0, 1, 2], [0, 1, 2, 2], [0, 1, 1, 3]])

array_index 基本上告诉我应该将 a 的元素堆叠到哪里。例如 array_index [0, 0, 1, 2] 的第一个条目告诉 a 第一个条目的索引 0 元素应该保持不变，第二个索引 0 告诉 a 的索引 1 元素应该是堆叠到索引 0，第三个索引 1 表示 a 的索引 2 元素应该堆叠到索引 1，依此类推。现在我需要构造另一个与 my_array 形状相同的数组，以便条目是 a 在 array_index 的相应索引值。在这种情况下，我会首先

array_desired = numpy.zeros(array_index.shape)

我会填写如下值：

array_desired = [[a[0]+a[1], a[2], a[3], 0], [a[0], a[1], a[2]+a[3], 0],
                 [a[0], a[1]+a[2], 0, a[3]]]

为此，作为第一种方法，我为第 0 个元素构建了以下内容：

stack_index = numpy.where(array_index == 0)
array_desired[stack_index] += a[stack_index]
print(array_desired)
>>> [[1 2 0 0] [1 0 0 0] [1 0 0 0]]

有些东西，但不是我想要的：

>>>[[3 0 0 0][1 0 0 0][1 0 0 0]]

关于如何按我上面描述的索引实现正确的堆叠有什么想法吗？

更新：

我现在有一个适用于第一个索引的方法：

temp_array = numpy.zeros(array_index.shape)
stack_index = numpy.where(array_index == 0)
temp_array[stack_index] = a[stack_index]
n = np.sum(temp_array, axis=(1))
array_desired[:,0]= n

但是，这种方法仍然需要我遍历每个索引。我想要更高效的东西。

Answer 1

我想这就是你想要的。

这是您的样本数据：

In [98]: a
Out[98]: 
array([[1, 2, 3, 4],
       [1, 2, 3, 4],
       [1, 2, 3, 4]])

In [99]: array_index
Out[99]: 
array([[0, 0, 1, 2],
       [0, 1, 2, 2],
       [0, 1, 1, 3]])

创建 b 来保存结果，并使用 np.add.at 求和。 row_index 只是 3x1 数组 [[0], [1], [2]].

In [100]: b = np.zeros_like(a)

In [101]: row_index = np.arange(array_index.shape[0]).reshape(-1, 1)

In [102]: np.add.at(b, (row_index, array_index), a)

In [103]: b
Out[103]: 
array([[3, 3, 4, 0],
       [1, 2, 7, 0],
       [1, 5, 0, 4]])

如何有效地执行此 numpy 数组操作？

How do I carry out this numpy array manipulation efficiently?

python

arrays

numpy

array-broadcasting