使用索引的Numpy循环

Question

我是一个新手，并试图在Python 2.7.2与Numpy的东西没有按预期工作，所以想检查是否有什么基本的东西，我是误解。

我正在计算三角形（trinormals）的值，​​然后使用三角形索引（trivertexidx）数组更新三角形（vertnormals）的每个点的值。作为一个循环，我计算：

for itri in range(ntriangles) : 
     vertnormals[(trivertidx[itri,0]),:] += trinormals[itri,:] 
     vertnormals[(trivertidx[itri,1]),:] += trinormals[itri,:] 
     vertnormals[(trivertidx[itri,2]),:] += trinormals[itri,:] 

由于这是我认为它可以修改成一个有点慢：

vertnormals[(trivertidx[:,0]),:] += trinormals[:,:] 
    vertnormals[(trivertidx[:,1]),:] += trinormals[:,:] 
    vertnormals[(trivertidx[:,2]),:] += trinormals[:,:] 

然而，这并没有给相同的结果。是否有另一种更简单的方法来编写循环？任何指针赞赏。请注意这里的意图是为vertiant中的每个条目获取单个值，然后对结果进行归一化。

Answer 1

numpy的具有功能bincount，可以是在像场景非常有帮助这个。这两条线波纹管是当index的元素是唯一当index已经重复值相同，但不同的：

A[index] += W 
A += np.bincount(index, W, minlenght=len(A)) 

我相信你想第二的行为，但你的代码是多一点因为A，索引和W不是1d。你可以试试这样的，

import numpy as np 
N = len(vertnormals) 
for j in range(vertnormals.shape[-1]): 
    vertnormals[:, j] += np.bincount(trivertidx[:, 0], trinormals[:, j], minlength=N) 
    vertnormals[:, j] += np.bincount(trivertidx[:, 1], trinormals[:, j], minlength=N) 
    vertnormals[:, j] += np.bincount(trivertidx[:, 2], trinormals[:, j], minlength=N) 

希望有帮助。

Answer 2

如果我理解你的问题很好，你必须从中已经形成n三角形m点，trivertidx是形状(n, 3)控股值的范围[0, m)，其中trivertidx[j]是3分的组成名单数组j第三个三角形。

trinormals然后是形状(n,)保持分配给每个trinagle一个值的数组，并且希望vertnormals是形状(m,)保持的阵列，对于每个点，分配给每个三角的值的总和这一点是顶点。

如果以上是正确的，下面的例子应该说明为什么你的第二个代码无法正常工作：

>>> a = np.arange(5) 
>>> a 
array([0, 1, 2, 3, 4]) 
>>> a[[1,2,0,2]] += 1 
>>> a 
array([1, 2, 3, 3, 4]) 

即使在2位置的元素在左侧两次出现时，会发生什么情况是相同值的两个副本已添加1，然后将增加的值复制两次到同一位置。

向量化该求和，其中在[j, k]位置的值是True如果顶点k是三角形j，False如果不是的一部分就需要形状(n, m)的阵列。你可以建立一个数组是这样的：

trivert = np.zeros((n, m), dtype='bool') 
trivert[np.arange(n).reshape(n, 1), trivertidx] = 1 

一旦你有了这个数组，你可以让你的每个顶点款项

vertnormals = np.sum(trivert * trinormals.reshape(-1, 1), axis=0)