Numpy 在给定索引列表的情况下，是否可以对矩阵（二维数组）的特定元素求和？

经过一些研究，我不能成功地使用Numpy的函数和来解决我的问题。我在这里给出一个非常基本的示例（我所针对的矩阵和索引列表一样庞大，这就是我使用Numpy的原因）：

我有一个矩阵

A = np.array([1,2,3,4],[5,6,7,8])

和索引列表

L = [ 2, 3, 0 ]

我需要从中计算：

A[2][3] + A[3][0]

因此，更正式地说，我需要计算列表

L

中

I

的

A[I][I+1]

之和

我需要尽快完成（因此，不允许循环）

致意

---

Aymeric

我能想到的最好方法是使用

np重塑
L
。首先重复

L = tuple(np.repeat(L,2)[1:-1].reshape(-1,2).T)

然后，使用这个新的
L
，您可以直接进行求和

np.sum(A[L])

完整的例子

A = np.array([[1,2,3,4],[5,6,7,8]])
L = np.array([1,1,0])

L = tuple(np.repeat(L,2)[1:-1].reshape(-1,2).T)
np.sum(A[L])

一个更大的例子

A = np.random.randint(0,100,size=(929,929))
L = np.random.randint(0,928,size=928)

L = tuple(np.repeat(L,2)[1:-1].reshape(-1,2).T)
np.sum(A[L])

我能想到的最好的方法是使用
np重塑
L
。首先重复

L = tuple(np.repeat(L,2)[1:-1].reshape(-1,2).T)

然后，使用这个新的
L
，您可以直接进行求和

np.sum(A[L])

完整的例子

A = np.array([[1,2,3,4],[5,6,7,8]])
L = np.array([1,1,0])

L = tuple(np.repeat(L,2)[1:-1].reshape(-1,2).T)
np.sum(A[L])

一个更大的例子

A = np.random.randint(0,100,size=(929,929))
L = np.random.randint(0,928,size=928)

L = tuple(np.repeat(L,2)[1:-1].reshape(-1,2).T)
np.sum(A[L])

您好，您的想法很好，它适用于给定的示例，但当我使用更大的矩阵时，它不起作用。len（L）=928，A.shape（929，929），错误表示Indexer罗：arrayOk的索引太多了，我想我可能不得不使用数组而不是元组L@ailauli69很抱歉，我忘了在我的原始答案中转置索引，请查看我更新的帖子，也许这一次它符合接受答案的条件（不是以前的答案）。您好，你的想法是好的，它适用于你给出的例子，但当我使用更大的矩阵时，它不起作用。len（L）=928，A.shape（929，929），错误表示Indexer罗：arrayOk的索引太多了，我想我可能不得不使用数组而不是元组L@ailauli69很抱歉，我忘了在我的原始答案中转置索引，请查看我更新的帖子，也许这一次它可以作为一个被接受的答案（不是上一个）。如果
A
是（2,4）形状，
A[2]
将产生错误！如果
A
是（2,4）形状，
A[2]
将产生错误！