多个值添加到一个numpy的数组索引

Question

简单的版本： 如果我这样做：

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。

Answer 1

这是NumPy的ufuncs的at方法是：

output = numpy.zeros(size) 
numpy.add.at(output, a[a.cond].ix, a[a.cond].val)