2
简单的版本: 如果我这样做:多个值添加到一个numpy的数组索引
import numpy as np
a = np.zeros(2)
a[[1, 1]] += np.array([1, 1])
我得到[0, 1]
作为输出。但我想[0, 2]
。这可能以某种方式,使用隐式numpy循环,而不是循环它自己?
什么-I-实际上,需要对DO版本A:
我有一个包含一个索引,一个值,有的布尔值的结构化阵列。我想根据布尔值在那些指数上对这些值进行求和。很明显,这可以通过一个简单的循环来完成,但似乎应该可以使用巧妙的numpy索引(如上所述)。
例如,我有5个元素的数组,我想从价值观,索引和条件数组来填充:
import numpy as np
size = 5
nvalues = 10
np.random.seed(1)
a = np.zeros(nvalues, dtype=[('val', float), ('ix', int), ('cond', bool)])
a = np.rec.array(a)
a.val = np.random.rand(nvalues)
a.cond = (np.random.rand(nvalues) > 0.3)
a.ix = np.random.randint(size, size=nvalues)
# obvious solution
obvssum = np.zeros(size)
for i in a:
if i.cond:
obvssum[i.ix] += i.val
# is something this possible?
doesntwork = np.zeros(size)
doesntwork[a[a.cond].ix] += a[a.cond].val
print(doesntwork)
print(obvssum)
输出:
[ 0. 0. 0.61927097 0.02592623 0.29965467]
[ 0. 0. 1.05459336 0.02592623 1.27063303]
我觉得发生了什么这里是如果a[a.cond].ix
保证是唯一的,我的方法将工作得很好,如简单示例中所述。