Numpy向量化总和索引

Question

我有一个索引列表（list（int））和一个求和索引列表（list（list（int））。给定一个二维numpy数组，我需要找到索引之和每列的第二个列表，在第一列将它们添加到相应的指数有什么办法向量化这个 这是正常码：

indices = [1,0,2] 
summing_indices = [[5,6,7],[6,7,8],[4,5]] 
matrix = np.arange(9*3).reshape((9,3)) 
for c,i in enumerate(indices): 
    matrix[i,c] = matrix[summing_indices[i],c].sum()+matrix[i,c] 

Answer 1

下面是一个使用np.add.reduceat几乎*量化方法 -

？

lens = np.array(map(len,summing_indices)) 
col = np.repeat(indices,lens) 
row = np.concatenate(summing_indices) 
vals = matrix[row,col] 
addvals = np.add.reduceat(vals,np.append(0,lens.cumsum()[:-1])) 
matrix[indices,np.arange(len(indices))] += addvals[indices.argsort()] 

请注意，这有一些设置因为我们沿着列迭代，所以它最适合于具有许多列的输入数组。

*：几乎是因为在开始时使用了map()，但计算结果应该可以忽略不计。